Signal-Noise Factorization Isolates Nuisance Variation into Removable Subspaces

研究通过正则化强化深度神经网络的信号-噪声分解（SNF）与信号-信号分解（SSF）两种表征几何特性。在 CIFAR-100 上，增强 SNF 提升性能，增强 SSF 无效；在 BloodMNIST 的 MedMNIST-C 五级腐蚀下，SNF 正则化带来更大增益。SNF 将噪声分离到独立子空间，可在留出数据上估计并投影去除，显著提升分布外图像下的准确率。