信号-噪声分解将干扰变化隔离至可移除子空间

研究提出强化信号-噪声分解（SNF）的正则化方法，将噪声干扰隔离到独立子空间中，显著提升了模型对分布外图像畸变的鲁棒性。在 CIFAR-100 及带有 5 级 MedMNIST-C 损坏的 BloodMNIST 数据集上，SNF 正则化均优于 $L_2$ 基线，而强化信号-信号分解（SSF）未见提升。通过在留出数据上估计并投影消除该子空间的主导损坏方向，可进一步大幅提高推理准确率。