본 논문은 심층 신경망(DNN)의 견고성 감사를 위한 새로운 방법을 제시합니다. 기존의 견고성 감사는 개별적인 이미지 왜곡에 초점을 맞춰 실제 환경의 복잡한 왜곡을 제대로 반영하지 못하는 한계가 있습니다. 본 논문에서는 인과 추론을 활용하여 이미지 처리 과정의 여러 요인들이 DNN 성능에 미치는 영향을 측정하는 방법을 제안합니다. 인과 모델을 통해 도메인 관련 요인들과 그 상호작용을 명시적으로 표현하고, 관측 데이터만을 이용하여 각 요인의 인과적 효과를 신뢰성 있게 추정합니다. 이를 통해 DNN의 취약성을 이미지 파이프라인의 관측 가능한 속성과 직접적으로 연결하여 실제 환경에서의 예측하지 못한 DNN 오류 위험을 줄이는 데 기여합니다. 자연 이미지와 렌더링 이미지를 사용한 다양한 비전 작업에 대한 실험을 통해 제안된 방법의 효과를 검증합니다.
