Tag · 3 篇
形式化验证
分布 鲁棒性与安全2视觉语言模型1
01 02 03
基于双重扰动的神经网络鲁棒性验证
Verifying Neural Network Robustness with Dual Perturbations
对做视觉鲁棒性评测的人，这篇提供了把连续空间扭曲（卷积扰动）与逐像素噪声联合建模的验证框架，可直接用来检验分类网络在真实复合损坏下是否真的鲁棒，避免单一扰动验证带来的虚假安全感。
面向单应变换形式化验证的 Lipschitz 优化
Lipschitz Optimization for Formal Verification of Homographies
为视觉模型提供针对相机 3D 运动（单应变换）扰动的形式化鲁棒性验证手段：通过相机位姿到像素值的闭式映射与单应变换的分段连续性，推导扰动像素值的紧致线性界，可直接用于验证 AR 地平面、自动驾驶路面标线与交通标志、机器人平面工作区等平面主导场景下的分类器。
Geoint-R1：以动态辅助构造形式化多模态几何推理
Geoint-R1: Formalizing Multimodal Geometric Reasoning with Dynamic Auxiliary Constructions
把几何图形理解与形式化证明（Lean4）结合，并显式生成辅助构造元素，为视觉推理模型提供了可验证的中间步骤监督信号；其基准与标注方式可用于评测多模态模型在图形-文本联合推理上的严谨性。