抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近の研究では,敵対的にロバストなネットワークによって学習された表現は,画像操作を介して非ロバストネットワークより人間知覚的に整列していることを示唆している。人間の視覚認知に近接しているにもかかわらず,ロバストなDNN表現における制約が人間の視覚において見出される生物学的制約と一致するかどうかは不明である。人間の視覚は,周辺におけるテクスチャベース/要約統計表現に依存するように見え,それは視覚探索タスクにおけるクラウディングや性能のような現象を説明することが示されている。敵対的にロバストな最適化/表現を人間の視覚と比較する方法を理解するために,著者らは,人間の観察者が,非ロバスト表現および周辺ビジョン(Texforms)のテクスチャ合成モデルと比較して,敵対的にロバストな表現をマッチするために合成した画像間で識別できる,一連のメタマー識別タスクを用いて,心理物理学実験を行った。ロバスト表現とテクスチャモデル画像の識別可能性は,刺激が周辺に遠くに提示されたので,近機会性能に低下することを見出した。さらに,ロバストおよびテクスチャモデル画像に関する性能は,参加者内で類似した傾向を示し,一方,非ロバスト表現に関する性能は,視野を通して最小に変化した。これらの結果は,(1)敵対的にロバストな表現は,非ロバスト表現よりも周辺計算を良好に捉え,また(2)ロバスト表現は,現在の最先端のテクスチャ周辺ビジョンモデルに類似した周辺計算を捉えることを示唆する。より広く,著者らの知見は,局所化されたテクスチャ要約統計量表現が,敵対的摂動に対して人間の不変性を駆動するという考えを支持し,DNNにおけるそのような表現の組み込みは,敵対的ロバスト性のような有用な特性を生じさせることができるという考えを支持した。【JST・京大機械翻訳】
