Buchumschlag

Exploiting T-norms for Deep Learning in Autonomous Driving

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stoian, Mihaela Cătălina, Giunchiglia, Eleonora, Lukasiewicz, Thomas
Format:	Preprint
Veröffentlicht:	2024
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

A Survey on Deep Learning Approaches for Tabular Data Generation: Utility, Alignment, Fidelity, Privacy, Diversity, and Beyond
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2025)

PiShield: A PyTorch Package for Learning with Requirements
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2024)

How Realistic Is Your Synthetic Data? Constraining Deep Generative Models for Tabular Data
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2024)

ROAD-Waymo: Action Awareness at Scale for Autonomous Driving
von: Khan, Salman, et al.
Veröffentlicht: (2024)

Beyond the convexity assumption: Realistic tabular data generation under quantifier-free real linear constraints
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2025)

Cohere3D: Exploiting Temporal Coherence for Unsupervised Representation Learning of Vision-based Autonomous Driving
von: Xie, Yichen, et al.
Veröffentlicht: (2024)

Deep generative models as an adversarial attack strategy for tabular machine learning
von: Dyrmishi, Salijona, et al.
Veröffentlicht: (2024)

Detection-Fusion for Knowledge Graph Extraction from Videos
von: Das, Taniya, et al.
Veröffentlicht: (2024)

Associative Memories in the Feature Space
von: Salvatori, Tommaso, et al.
Veröffentlicht: (2024)

Toward Unified Multimodal Representation Learning for Autonomous Driving
von: Tao, Ximeng, et al.
Veröffentlicht: (2026)

Distill to Think, Foresee to Act: Cognitive-Physical Reinforcement Learning for Autonomous Driving
von: Wu, Yang, et al.
Veröffentlicht: (2026)

RMT-PPAD: Real-time Multi-task Learning for Panoptic Perception in Autonomous Driving
von: Wang, Jiayuan, et al.
Veröffentlicht: (2025)

CARIL: Confidence-Aware Regression in Imitation Learning for Autonomous Driving
von: Delavari, Elahe, et al.
Veröffentlicht: (2025)

Multi-Objective Reinforcement Learning for Adaptable Personalized Autonomous Driving
von: Surmann, Hendrik, et al.
Veröffentlicht: (2025)

Data-Free Universal Attack by Exploiting the Intrinsic Vulnerability of Deep Models
von: Yan, YangTian, et al.
Veröffentlicht: (2025)

ProIn: Learning to Predict Trajectory Based on Progressive Interactions for Autonomous Driving
von: Dong, Yinke, et al.
Veröffentlicht: (2024)

Evaluation of Out-of-Distribution Detection Performance on Autonomous Driving Datasets
von: Henriksson, Jens, et al.
Veröffentlicht: (2024)

Universal Camouflage Attack on Vision-Language Models for Autonomous Driving
von: Kong, Dehong, et al.
Veröffentlicht: (2025)

DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving
von: Jia, Xiaosong, et al.
Veröffentlicht: (2025)

Machine Learning-Based Vehicle Intention Trajectory Recognition and Prediction for Autonomous Driving
von: Yu, Hanyi, et al.
Veröffentlicht: (2024)

Depth Matters: Multimodal RGB-D Perception for Robust Autonomous Agents
von: Clement, Mihaela-Larisa, et al.
Veröffentlicht: (2025)

SCaRL- A Synthetic Multi-Modal Dataset for Autonomous Driving
von: Ramesh, Avinash Nittur, et al.
Veröffentlicht: (2024)

The ATLAS of Traffic Lights: A Reliable Perception Framework for Autonomous Driving
von: Polley, Rupert, et al.
Veröffentlicht: (2025)

Multi-Modal Sensor Fusion using Hybrid Attention for Autonomous Driving
von: Mayank, Mayank, et al.
Veröffentlicht: (2026)

Panoptic Perception for Autonomous Driving: A Survey
von: Li, Yunge, et al.
Veröffentlicht: (2024)

Hybrid-Prediction Integrated Planning for Autonomous Driving
von: Liu, Haochen, et al.
Veröffentlicht: (2024)

A Survey for Foundation Models in Autonomous Driving
von: Gao, Haoxiang, et al.
Veröffentlicht: (2024)

Dynamic Adversarial Attacks on Autonomous Driving Systems
von: Chahe, Amirhosein, et al.
Veröffentlicht: (2023)

A Survey of Vision Transformers in Autonomous Driving: Current Trends and Future Directions
von: Lai-Dang, Quoc-Vinh
Veröffentlicht: (2024)

Exploiting Label Skewness for Spiking Neural Networks in Federated Learning
von: Yu, Di, et al.
Veröffentlicht: (2024)

SECURE: Stable Early Collision Understanding via Robust Embeddings in Autonomous Driving
von: Wang, Wenjing, et al.
Veröffentlicht: (2026)

Data Scaling Laws for End-to-End Autonomous Driving
von: Naumann, Alexander, et al.
Veröffentlicht: (2025)

A-BDD: Leveraging Data Augmentations for Safe Autonomous Driving in Adverse Weather and Lighting
von: Assion, Felix, et al.
Veröffentlicht: (2024)

VLM-AD: End-to-End Autonomous Driving through Vision-Language Model Supervision
von: Xu, Yi, et al.
Veröffentlicht: (2024)

CausalVAD: De-confounding End-to-End Autonomous Driving via Causal Intervention
von: Tang, Jiacheng, et al.
Veröffentlicht: (2026)

Road Boundary Detection Using 4D mmWave Radar for Autonomous Driving
von: Wu, Yuyan, et al.
Veröffentlicht: (2025)

World Model-Based End-to-End Scene Generation for Accident Anticipation in Autonomous Driving
von: Guan, Yanchen, et al.
Veröffentlicht: (2025)

SRMambaV2: Biomimetic Attention for Sparse Point Cloud Upsampling in Autonomous Driving
von: Chen, Chuang, et al.
Veröffentlicht: (2025)

Covariances for Free: Exploiting Mean Distributions for Training-free Federated Learning
von: Goswami, Dipam, et al.
Veröffentlicht: (2024)

On Error Propagation of Diffusion Models
von: Li, Yangming, et al.
Veröffentlicht: (2023)