34 lines
1.3 KiB
Markdown
34 lines
1.3 KiB
Markdown
---
|
||
title: "ExactLine"
|
||
created: 2026-07-04
|
||
updated: 2026-07-04
|
||
type: concept
|
||
tags: [certification, verification, interpolation, baseline]
|
||
sources: ["Sotoudeh & Thakur, 2019"]
|
||
---
|
||
|
||
# ExactLine
|
||
|
||
一种完备认证方法，沿两张端点图像之间的线性插值路径认证预测不变区间。
|
||
|
||
## 方法
|
||
|
||
对两张图像 embedding 的线性插值路径 $\gamma(\lambda) = (1-\lambda)z_0 + \lambda z_1$，基于神经网络的分段线性性质，精确找出决策边界的所有穿越点（crossing points），将插值区间划分为若干预测不变子区间。
|
||
|
||
## 在语义认证中的定位
|
||
|
||
ExactLine 是 [[semantic-robustness-certification-vlm-2026|Semantic Robustness Certification (ICML 2026)]] 的主要基线。区别在于：
|
||
- ExactLine 需要**两张端点图像**作为输入
|
||
- Semantic Robustness Certification 只需**一对文本 prompt**，无需参考图像
|
||
|
||
## 局限
|
||
|
||
- 需要辅助输入（端点图像），不适合仅有文本描述的场景
|
||
- 线性插值在 VLM 嵌入空间中的语义一致性有限（与本文方法对比的实验结论）
|
||
|
||
## 参考
|
||
|
||
- [[robustness-certification|鲁棒性认证]]
|
||
- [[semantic-robustness-certification-vlm-2026|Semantic Robustness Certification (ICML 2026)]]
|
||
- [[prediction-invariant-intervals|预测不变区间]]
|