このたび、Yongsong Huang 助教が共著した以下の論文が、2026年9月8日から12日にかけてスウェーデン・マルメで開催された第19回 European Conference on Computer Vision（ECCV 2026） に採択され、発表されました。ECCVは、コンピュータビジョンおよび機械学習分野における世界最高峰の国際会議の一つであり、世界中の研究者や産業界の専門家が集い、同分野の最新の研究成果を共有する場となっています。

採択論文

Taïga Gonçalves, Yongsong Huang, Tomo Miyazaki, Shinichiro Omachi,

Improving Adversarial Robustness via Activation Amplification and Attenuation

Proceedings of the 19th European Conference on Computer Vision (ECCV 2026), Malmö, Sweden, September 8–12, 2026.

論文： https://arxiv.org/abs/2606.27784

コード： https://github.com/tgoncalv/A3

本論文では、敵対的摂動（adversarial perturbation）に対するニューラルネットワークの頑健性を向上させる軽量なプラグインモジュール「Activation Amplification and Attenuation（A3）」を提案しています。A3は、相補的な2つのモードを備えた共有の活性化スケーリング機構を用います。減衰（attenuation）モードは敵対的摂動の影響を抑制し、増幅（amplification）モードはあえてその影響を強めることで、学習時の負の参照（negative reference）として機能します。両モードから同時に学習することで、モデルはより強固な敵対的防御能力を獲得します。なお、推論時には減衰モードのみを使用します。

複数のネットワークアーキテクチャ、データセット、学習手法を用いた実験により、計算量およびメモリのオーバーヘッドをほとんど増やすことなく、敵対的頑健性が一貫して向上することが示されました。これらの結果は、大幅なアーキテクチャの変更を伴うことなく深層学習システムの信頼性を高める実用的な手法として、A3が有望であることを示しています。

現地発表

本研究はECCV 2026の現地ポスターセッションにて発表され、提案手法と実験結果を国際的なコンピュータビジョン研究コミュニティと共有しました。

著者の皆様のご活躍を心よりお祝い申し上げます。