Orthogonium：一个统一、高效的正交与1-Lipschitz构建模块库
机器学习
2026-01-21 v1 机器学习
摘要
正交和1-Lipschitz神经网络层是鲁棒深度学习架构中的基本构建模块，对于认证对抗鲁棒性、稳定生成模型和可靠循环网络至关重要。尽管取得了显著进展，现有实现仍然碎片化、功能有限且计算需求高。为解决这些问题，我们推出了Orthogonium，一个统一、高效且全面的PyTorch库，提供正交和1-Lipschitz层。Orthogonium支持标准卷积特性——包括步长、膨胀、分组和转置——同时保持严格的数学保证。其优化实现在ImageNet等大规模基准测试上减少了开销。此外，库内的严格测试揭示了现有实现中的关键错误，凸显了标准化和可靠工具的重要性。因此，Orthogonium显著降低了采用门槛，使得在需要正交性和鲁棒Lipschitz约束的各种应用中能够进行可扩展的实验和集成。Orthogonium可在 https://github.com/deel-ai/orthogonium 获取。
引用
@article{arxiv.2601.13776,
title = {Orthogonium : A Unified, Efficient Library of Orthogonal and 1-Lipschitz Building Blocks},
author = {Thibaut Boissin and Franck Mamalet and Valentin Lafargue and Mathieu Serrurier},
journal= {arXiv preprint arXiv:2601.13776},
year = {2026}
}