EasyRobust：一个全面且易于使用的鲁棒与泛化视觉工具包
计算机视觉与模式识别
2025-03-24 v1
摘要
深度神经网络（DNNs）在计算机视觉任务中显示出巨大的潜力。然而，由 DNNs 实现的机器视觉无法像人类感知那样鲁棒。对抗性攻击和数据分布偏移被认为是降低机器性能并阻碍机器在“野外”广泛部署的两大主要场景。为了打破这些障碍并促进模型鲁棒性的研究，我们开发了 EasyRobust，这是一个用于训练、评估和分析鲁棒视觉模型的全面且易于使用的工具包。EasyRobust 针对两种类型的鲁棒性：1）对抗鲁棒性，使模型能够防御由最坏情况扰动（也称为对抗样本）精心制作的恶意输入；2）非对抗鲁棒性，增强模型在具有损坏或分布偏移的自然测试图像上的性能。在图像分类上的全面基准测试使 EasyRobust 能够对视觉模型提供准确的鲁棒性评估。我们希望我们的 EasyRobust 能够帮助训练实际鲁棒的模型，并促进在缩小人类与机器视觉差距方面的学术和工业进步。EasyRobust 的代码和模型已在 https://github.com/alibaba/easyrobust 开源。
引用
@article{arxiv.2503.16975,
title = {EasyRobust: A Comprehensive and Easy-to-use Toolkit for Robust and Generalized Vision},
author = {Xiaofeng Mao and Yuefeng Chen and Rong Zhang and Hui Xue and Zhao Li and Hang Su},
journal= {arXiv preprint arXiv:2503.16975},
year = {2025}
}