본 논문은 비디오 인식 과제에서 적대적 훈련(AT)의 효율성을 높이기 위한 새로운 방법인 VFAT-WS(Video Fast Adversarial Training with Weak-to-Strong consistency)를 제안합니다. 기존의 비디오 적대적 훈련 방법들이 계산 비용이 많이 들고 훈련 시간이 오래 걸리는 문제점을 해결하기 위해, VFAT-WS는 시간 주파수 증강(TF-AUG) 및 공간-시간 증강(STF-AUG)과 단일 단계 PGD 공격을 통합하여 훈련 효율성과 강건성을 향상시킵니다. 또한, 약한 증강에서 강한 증강으로 학습 과정을 유도하는 약-강 공간-시간 일관성 정규화를 제안하여 정확도와 강건성 사이의 균형을 개선합니다. UCF-101 및 HMDB-51 데이터셋에서 CNN 및 Transformer 기반 모델을 사용한 실험 결과, VFAT-WS는 적대적 강건성 및 손상 강건성을 크게 향상시키는 동시에 훈련 속도를 약 490% 향상시키는 것으로 나타났습니다.
시사점, 한계점
•
시사점:
◦
비디오 데이터에 대한 빠른 적대적 훈련 방법을 최초로 제시
◦
시간 주파수 증강 및 공간-시간 증강을 활용하여 훈련 효율성 및 강건성 향상
◦
약-강 일관성 정규화를 통해 정확도와 강건성 간의 균형 개선
◦
UCF-101 및 HMDB-51 데이터셋에서 기존 방법 대비 성능 향상 및 훈련 속도 향상 확인
