arXiv:2005.14108

Adversarial Attacks and Defense on Texts: A Survey

Aminul Huq, Mst. Tasnim Pervin

제출 2020-05-28

원문 초록

Deep learning models have been used widely for various purposes in recent years in object recognition, self-driving cars, face recognition, speech recognition, sentiment analysis, and many others. However, in recent years it has been shown that these models possess weakness to noises which force the model to misclassify. This issue has been studied profoundly in the image and audio domain. Very little has been studied on this issue concerning textual data. Even less survey on this topic has been performed to understand different types of attacks and defense techniques. In this manuscript, we accumulated and analyzed different attacking techniques and various defense models to provide a more comprehensive idea. Later we point out some of the interesting findings of all papers and challenges that need to be overcome to move forward in this field.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.09260v1cs.CV공통 태그 Speech Recognition, Object Recognition

AnythingReality: 오픈-어휘 VR 장면 탐험을 위한 강건한 온라인 Gaussian Splatting SLAM

AnythingReality: Robust Online Gaussian Splatting SLAM for Open-Vocabulary VR Scene Exploration

우리는 강건한 온라인 3D Gaussian splatting, 실시간 VR 탐험, 음성 기반 비전-언어 모델(Vision-Language-Model) 상호작용을 위한 새로운 통합 아키텍처를 제안한다. 깨끗한 깊이 정보나 외부 포즈를 가정하는 방법들과 달리, 우리 시스템은 잡음이 있는 실세계 데이터에 대해 ORB-SLAM3 기반 포즈 추정과 온라인 Gaussian 재구성을 결합한다. VR 파이프라인은 점진적 재구성의 몰입형 탐험을 가능하게 하며, 의미론적 모듈은 음성 명령을 텍스트로 변환하고, 장면 설명을 생성하며, 관심 지점을 기록한다. 최신 온라인 Gaussian splatting 방법들과 비교하여, 우리 데이터셋에서 이미지 품질이 향상되었으며(PSNR +14.5%, SSIM +8.6%, LPIPS -14.3%), TUM-RGBD 데이터셋에서도 마찬가지였다(PSNR +11.7%, SSIM +7.8%, LPIPS -21.6%). 품질-속도 구성을 통해 비교 가능하거나 우수한 프레임 레이트를 달성하였으며, VLM 객체 인식률 88%를 기록하였다.

arXiv:2607.05964v1cs.CL공통 태그 Speech Recognition, Sentiment Analysis

음... 트랜스포머로? 네 슬라브 의회에 걸친 간투어 사용의 통찰

Umm... With Transformers? Insights from Filled Pause Use across Four Slavic Parliaments

간투어(FP)는 자연 발화의 보편적인 특징이지만, 대부분의 연구는 소규모 단일 언어 코퍼스에 의존하여 연구 결과의 일반화 가능성을 제한한다. 우리는 네 개의 관련 슬라브 언어(크로아티아어, 체코어, 폴란드어, 세르비아어)에 걸친 약 4,000시간의 의회 연설을 분석한다. 간투어 발생은 트랜스포머 기반 자동 탐지를 통해 획득되며, 간투어 비율은 화자 내(within-speaker) 효과와 화자 간(between-speaker) 효과를 구분하기 위해 Mundlak 보정을 적용한 일반화 추정 방정식(GEE)을 사용하여 모델링된다. 우리는 연령 및 발화 속도와 간투어 비율 간의 부적 연관성을 재현하지만, 성별 효과는 언어별로 다르며 대부분의 선행 연구와 방향이 반대임을 발견한다. 감성, 정치적 성향, 권력 지위에 대한 새로운 분석은 감성과 간투어 비율 간의 일관된 정적 연관성을 드러내며, 성향과 권력 지위에 따른 의회별 조절 효과와 함께 야당 화자가 집권 연립 여당 화자보다 낮은 간투어 비율을 보이는 경향이 있음을 보인다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.