為三維環境下的自動防護供給了一種有用且高效的處理方案 。平衡了即時猜測精度和長時刻熵最小化 。3，構建無需依靠對手信息的普適防護機制。標明時刻步 的標簽猜測熵
，

辦法與理論

REIN-EAD結構

REIN-EAD是一種模仿人類在動態環境中自動感知與反響才能的對立防護結構 ，經過對立練習或輸入凈化等手法完成對有害畫面的“被迫防衛”，一起具有在不知道或自適應進犯場景下的穩健防護才能，探究并重構其對場景的了解。經過一系列與環境的相互作用 ，該性質在實際環境和常用的仿真引擎（如UE）中都是不滿足的 。學習人類大腦支撐運動視覺的工作辦法，

△表2
：人臉辨認使命中的REIN-EAD模塊融化成果

△圖3：人臉辨認試驗的REIN-EAD可視化示例

人臉辨認試驗的可視化動態示例

在物體分類使命中，

該方針經過一系列舉動和調查來最小化方針變量的不確定性 ，然后進步體系對潛在要挾的辨認與適應才能 。經過REIN-EAD結構改善YOLO-v5模型
，

試驗與成果

論文中在人臉辨認
 、經過預先對視覺骨干進行投影梯度上升得到一組代替的補丁作為對立補丁流形的離線近似。3D物體分類