Buchumschlag

Model Selection of Anomaly Detectors in the Absence of Labeled Validation Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fung, Clement, Qiu, Chen, Li, Aodong, Rudolph, Maja
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Vision-Language Models are Strong Noisy Label Detectors
von: Wei, Tong, et al.
Veröffentlicht: (2024)

Self-Distilled Masked Auto-Encoders are Efficient Video Anomaly Detectors
von: Ristea, Nicolae-Catalin, et al.
Veröffentlicht: (2023)

SplatPose & Detect: Pose-Agnostic 3D Anomaly Detection
von: Kruse, Mathis, et al.
Veröffentlicht: (2024)

Cross-Validation Is All You Need: A Statistical Approach To Label Noise Estimation
von: Chen, Jianan, et al.
Veröffentlicht: (2023)

Clustering-Based Validation Splits for Model Selection under Domain Shift
von: Napoli, Andrea, et al.
Veröffentlicht: (2024)

FodFoM: Fake Outlier Data by Foundation Models Creates Stronger Visual Out-of-Distribution Detector
von: Chen, Jiankang, et al.
Veröffentlicht: (2024)

Beyond a Single Signal: SPECTREG2, A Unified MultiExpert Anomaly Detector for Unknown Unknowns
von: Ray, Rahul D
Veröffentlicht: (2026)

Research on Anomaly Detection Methods Based on Diffusion Models
von: Chen, Yi
Veröffentlicht: (2025)

Learning from Reduced Labels for Long-Tailed Data
von: Wei, Meng, et al.
Veröffentlicht: (2024)

ChronoSelect: Robust Learning with Noisy Labels via Dynamics Temporal Memory
von: Wang, Jianchao, et al.
Veröffentlicht: (2025)

FrogDeepSDM: Improving Frog Counting and Occurrence Prediction Using Multimodal Data and Pseudo-Absence Imputation
von: Padubidri, Chirag, et al.
Veröffentlicht: (2025)

Can OOD Object Detectors Learn from Foundation Models?
von: Liu, Jiahui, et al.
Veröffentlicht: (2024)

SelectMix: Enhancing Label Noise Robustness through Targeted Sample Mixing
von: Liu, Qiuhao, et al.
Veröffentlicht: (2025)

Foundation Visual Encoders Are Secretly Few-Shot Anomaly Detectors
von: Zhai, Guangyao, et al.
Veröffentlicht: (2025)

Towards Universal Fake Image Detectors that Generalize Across Generative Models
von: Ojha, Utkarsh, et al.
Veröffentlicht: (2023)

Label-free Anomaly Detection in Aerial Agricultural Images with Masked Image Modeling
von: Shikhar, Sambal, et al.
Veröffentlicht: (2024)

Statistical Test for Diffusion-Based Anomaly Localization via Selective Inference
von: Katsuoka, Teruyuki, et al.
Veröffentlicht: (2024)

MTL-MAD: Multi-Task Learners are Effective Medical Anomaly Detectors
von: Bercean, Bogdan Alexandru, et al.
Veröffentlicht: (2026)

Anomaly Detection of Tabular Data Using LLMs
von: Li, Aodong, et al.
Veröffentlicht: (2024)

Adversarially Robust Industrial Anomaly Detection Through Diffusion Model
von: Cao, Yuanpu, et al.
Veröffentlicht: (2024)

Learning a Cross-modality Anomaly Detector for Remote Sensing Imagery
von: Li, Jingtao, et al.
Veröffentlicht: (2023)

Concept-skill Transferability-based Data Selection for Large Vision-Language Models
von: Lee, Jaewoo, et al.
Veröffentlicht: (2024)

FATE: A Prompt-Tuning-Based Semi-Supervised Learning Framework for Extremely Limited Labeled Data
von: Liu, Hezhao, et al.
Veröffentlicht: (2025)

Hyperspectral Anomaly Detection with Self-Supervised Anomaly Prior
von: Liu, Yidan, et al.
Veröffentlicht: (2024)

Score-based Conditional Generation with Fewer Labeled Data by Self-calibrating Classifier Guidance
von: Huang, Paul Kuo-Ming, et al.
Veröffentlicht: (2023)

Robust Classification by Coupling Data Mollification with Label Smoothing
von: Heinonen, Markus, et al.
Veröffentlicht: (2024)

Towards Reducing Data Acquisition and Labeling for Defect Detection using Simulated Data
von: Kemeter, Lukas Malte, et al.
Veröffentlicht: (2024)

High Dimensional Data Decomposition for Anomaly Detection of Textured Images
von: Song, Ji, et al.
Veröffentlicht: (2025)

Adaptive Deviation Learning for Visual Anomaly Detection with Data Contamination
von: Das, Anindya Sundar, et al.
Veröffentlicht: (2024)

AdvLogo: Adversarial Patch Attack against Object Detectors based on Diffusion Models
von: Miao, Boming, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Global-View Reconstruction for Multi-View Multi-Label Feature Selection
von: Hao, Pingting, et al.
Veröffentlicht: (2025)

Attacking Autonomous Driving Agents with Adversarial Machine Learning: A Holistic Evaluation with the CARLA Leaderboard
von: Wong, Henry, et al.
Veröffentlicht: (2025)

Intermediate Representations are Strong AI-Generated Image Detectors
von: Huang, Zhenhan, et al.
Veröffentlicht: (2026)

The Influence of Faulty Labels in Data Sets on Human Pose Estimation
von: Schwarz, Arnold, et al.
Veröffentlicht: (2024)

Hierarchical Gaussian Mixture Normalizing Flow Modeling for Unified Anomaly Detection
von: Yao, Xincheng, et al.
Veröffentlicht: (2024)

Dataset Distillers Are Good Label Denoisers In the Wild
von: Cheng, Lechao, et al.
Veröffentlicht: (2024)

NLPrompt: Noise-Label Prompt Learning for Vision-Language Models
von: Pan, Bikang, et al.
Veröffentlicht: (2024)

Negative Label Guided OOD Detection with Pretrained Vision-Language Models
von: Jiang, Xue, et al.
Veröffentlicht: (2024)

Understanding Model Calibration -- A gentle introduction and visual exploration of calibration and the expected calibration error (ECE)
von: Pavlovic, Maja
Veröffentlicht: (2025)

Reimagining Anomalies: What If Anomalies Were Normal?
von: Liznerski, Philipp, et al.
Veröffentlicht: (2024)