随着对图像重建任务的深度神经网络（DNN）的兴趣，其可靠性已受到质疑（Antun等，2020； Gottschling等，2020）。然而，最近的工作表明，与总变化（TV）最小化相比，它们与对抗性噪声相似，以$ \ ell^2 $ - 重构误差（Genzel等，2022）。我们考虑使用$ \ ell^\ infty $ -norm的不同鲁棒性概念，并认为本地化的重建工件比$ \ ell^2 $ -Error更相关。我们创造了对不足采样的MRI测量值的对抗性扰动，这些测量值在电视调查重建中诱导严重的局部伪影。相同的攻击方法对基于DNN的重建不如有效。最后，我们表明，这种现象是可以保证精确恢复的重建方法固有的，就像用$ \ ell^1 $或TV-最小化的压缩传感重建一样。
translated by 谷歌翻译