论文12:02DMOC:超越Lipschitz的数据驱动神经网络鲁棒性评估框架DMOC解决了Lipschitz常数在评估神经网络鲁棒性时的粗粒度问题,做模型安全或对抗性研究的团队可以直接用这个框架替代传统方法,尤其适合处理ImageNet级别的大规模数据。#神经网络鲁棒性#Lipschitz常数#数据驱动#离散模量连续性aarXiv cs.LG@Jürgen Dölz 等 3 人原文稍后读已读值得跟进有用关注 神经网络鲁棒性
论文精选10:28LocateAnything:并行框解码实现快速高精度视觉定位做视觉定位或目标检测的开发者,LocateAnything 的并行解码思路能直接提升推理效率,建议关注其开源数据和模型。#视觉定位#目标检测#并行解码#大规模数据集aarXiv cs.AI@Shihao Wang 等 13 人原文稍后读已读值得跟进有用关注 视觉定位