第37届国际人工智能会议（AAAI 2023）已于2023年2月7日-2月14日在美国华盛顿召开。公司唐赫副教授等的论文“LeNo: Adversarial Robust Salient Object Detection Networks with Learnable Noise”被AAAI 2023以长文录用。论文的第一作者为硕士研究生王赫（2020年9月入学，导师：唐赫）。AAAI是CCF推荐的A类国际学术会议，在人工智能领域享有很高的学术声誉。这次会议共收到来自8777篇投稿，录用1721篇，录用率约19.6%。

该工作提出了一种轻量级可学习噪声（LeNo，Learnable Noise）来防御显著目标检测（SOD）模型的对抗攻击。LeNo在对抗和干净图像上均能保持SOD模型的预测准确性，并且不影响模型的实时性。LeNo包括浅层噪声和噪声估计模块，分别嵌入在任意SOD网络的编码器和解码器中。受人类视觉注意机制的中心先验知识的启发，浅层噪声以十字形高斯分布初始化，从而能够更好地防御针对SOD模型的对抗攻击。噪声估计模块用于矫正浅层噪声对干净图像的影响，仅需修改解码器的一个通道，而不需要为后处理增加额外的网络组件。通过在最先进的SOD网络上进行深度监督噪声解耦训练，LeNo不仅在对抗图像上优于以前的工作，而且在干净图像上也具有更高的准确率，为SOD模型提供了更均衡的对抗鲁棒性。LeNo相关代码已在网址https://github.com/ssecv/LeNo开源，欢迎同行使用。