德国锡根大学 发布 OpticsBench, LensCorruptions 数据集, 应用在 计算机视觉、机器学习鲁棒性 领域

德国锡根大学 本次发布的数据集 OpticsBench, LensCorruptions, OpticsBench和LensCorruptions数据集用于研究深度神经网络在图像分类和目标检测任务中的鲁棒性。OpticsBench包含主要光学像差作为图像失真，如彗差、散光和球差，而LensCorruptions则包含从100个真实镜头中获得的混合像差。这些数据集通过追踪光线根据惠更斯原理，并结合泽尼克多项式进行空间分辨和参数化，以模拟真实的光学像差。评估了超过70种不同的视觉模型在应用了这些失真的ImageNet数据集上的表现，结果表明当前模型的鲁棒性不足。此外，提出了一种名为OpticsAugment的数据增强方法，该方法在OpticsBench上平均提高了18%的性能，并允许将学到的鲁棒性转移到其他领域。

查看OpticsBench, LensCorruptions

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。