Neues Paper zur Präsentation auf der Europäischen Konferenz für Künstliche Intelligenz (ECAI2024) in Santiago de Compostela angenommen
![](/fileadmin/_processed_/9/6/csm_ACM_AI_LAB_picture22_aa7acc03c1.png)
In einer der ersten Studien zu Textur- und Formverzerrungen bei der semantischen Segmentierung untersuchen wir die Verzerrungen sowohl von CNNs als auch von Transformatorarchitekturen. Unser Ansatz nutzt die PDE-basierte anisotrope Diffusionstechnik, die als Edge Enhancing Diffusion bezeichnet wird und ursprünglich von Weickert et al. in den späten 90er Jahren entwickelt wurde. Diese Technik entfernt effektiv Texturen aus Bildern, während ihre Formen erhalten bleiben, und ermöglicht es uns, die Texturabhängigkeit von semantischen Segmentierungsnetzwerken zu untersuchen.
Es stellt sich auch heraus, dass das Training auf texturreduzierten Daten die Robustheit in der Domäne deutlich erhöht.
Der Preprint ist verfügbar unter arxiv.org/abs/2402.09530.