该研究提出了一个统一框架，利用生成对抗网络生成对抗性样本，以增强可解释性和提高对抗性鲁棒性。该方法在语义分割和水果缺陷检测任务中表现良好，并提高了对抗性攻击的鲁棒性。

该研究提出了一个统一框架，利用生成对抗网络生成对抗性样本，以增强可解释性和提高对抗性鲁棒性。该方法在语义分割和水果缺陷检测任务上表现出高的描述性和竞争性。模型对抗性攻击的鲁棒性得到改善，并使用辨别器的伪造值作为预测的不确定性度量。