TAET: Two-Stage Adversarial Equalization Training on Long-Tailed Distributions
Created by
Haebom
Category
Empty
저자
Wang YuHang, Junkang Guo, Aolei Liu, Kaihao Wang, Zaitong Wu, Zhenyu Liu, Wenfei Yin, Jian Liu
개요
본 논문은 실세계 데이터의 긴 꼬리 분포(long-tailed distribution) 하에서의 적대적 훈련(adversarial training)에 대한 포괄적인 분석을 제공합니다. 기존 최첨단 방법인 AT-BSL의 한계점을 지적하고, 이를 해결하기 위해 초기 안정화 단계와 계층적 균등화 적대적 훈련 단계를 통합한 새로운 훈련 프레임워크인 TAET를 제안합니다. 또한, 긴 꼬리 분포 하에서의 강건성 평가를 위한 균형 정확도(balanced accuracy) 개념을 도입하여 균형 잡힌 강건성(balanced robustness)이라는 새로운 지표를 제시합니다. 광범위한 실험을 통해 TAET가 기존 방어 기법보다 우수한 성능과 효율성을 달성함을 보여줍니다.
