量化抖動

深度分析

多層 Floyd–Steinberg 抖動強化視覺基礎模型的對抗魯棒性

視覺基礎模型被當作凍結骨幹，成為單一故障點。本研究採用多層Floyd–Steinberg誤差擴散抖動作為輕量輸入預處理，並配合後處理模糊，能破壞對抗擾動並保留語意。實驗顯示在多任務、多模型與多種攻擊下，此法達到優於或相若的防護效果。對於不可重訓的凍結骨幹，為實務部署提供可行且低成本的防線。