arXiv · ML· Qiyi Xie, Wei Chen Ng, Suyang Xi, Xicheng Wang, Ziyao Li, Bohong Xu, Wenyi Liu, Jian Ding Tan·· 2026-10-16AI 评分22
VetoNet:一种用于选择性生成增强的可审计风险控制框架
When Should a Low-Light Pipeline Generate? Auditable Risk Control for Selective Generative Enhancement
AI 导读
VetoNet 提出了一种基于认证否决机制的可审计区域路由框架,用于在低光照图像增强中决定何时使用生成式覆盖。该框架通过测量互补优势,仅当分布无关风险预算证明感知风险(LPIPS)允许时才允许切换。实验显示,VetoNet 能根据证据可靠性自适应调整行为,在证据充分时获得认证增益,在证据薄弱或存在跨域偏移时保守否决。
来源:arXiv · ML · arxiv.org