Buchumschlag

SUPClust: Active Learning at the Boundaries

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ono, Yuta, Aczel, Till, Estermann, Benjamin, Wattenhofer, Roger
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bridging Diversity and Uncertainty in Active learning with Self-Supervised Pre-Training
von: Doucet, Paul, et al.
Veröffentlicht: (2024)

From MNIST to ImageNet: Understanding the Scalability Boundaries of Differentiable Logic Gate Networks
von: Brändle, Sven, et al.
Veröffentlicht: (2025)

The Impact of Scaling Training Data on Adversarial Robustness
von: Zimmerli, Marco, et al.
Veröffentlicht: (2025)

Conditional Hallucinations for Image Compression
von: Aczel, Till, et al.
Veröffentlicht: (2024)

Efficient Bayesian Inference from Noisy Pairwise Comparisons
von: Aczel, Till, et al.
Veröffentlicht: (2025)

The Unwinnable Arms Race of AI Image Detection
von: Aczel, Till, et al.
Veröffentlicht: (2025)

Exploring the Possibility of TypiClust for Low-Budget Federated Active Learning
von: Ono, Yuta, et al.
Veröffentlicht: (2025)

Keep It Real: Challenges in Attacking Compression-Based Adversarial Purification
von: Räber, Samuel, et al.
Veröffentlicht: (2025)

FLIP Reasoning Challenge
von: Plesner, Andreas, et al.
Veröffentlicht: (2025)

Virtual Fashion Photo-Shoots: Building a Large-Scale Garment-Lookbook Dataset
von: Hauri, Yannick, et al.
Veröffentlicht: (2025)

Deep Active Learning in the Open World
von: Xie, Tian, et al.
Veröffentlicht: (2024)

Portable Active Learning for Object Detection
von: Sharma, Rashi, et al.
Veröffentlicht: (2026)

Deep Active Learning: A Reality Check
von: Gashi, Edrina, et al.
Veröffentlicht: (2024)

CALICO: Confident Active Learning with Integrated Calibration
von: Querol, Lorenzo S., et al.
Veröffentlicht: (2024)

Human Aligned Compression for Robust Models
von: Räber, Samuel, et al.
Veröffentlicht: (2025)

Unsupervised Active Learning via Natural Feature Progressive Framework
von: Liu, Yuxi, et al.
Veröffentlicht: (2025)

CW-BASS: Confidence-Weighted Boundary-Aware Learning for Semi-Supervised Semantic Segmentation
von: Tarubinga, Ebenezer, et al.
Veröffentlicht: (2025)

Fields of The World: A Machine Learning Benchmark Dataset For Global Agricultural Field Boundary Segmentation
von: Kerner, Hannah, et al.
Veröffentlicht: (2024)

ProtoAL: Interpretable Deep Active Learning with prototypes for medical imaging
von: Santos, Iury B. de A., et al.
Veröffentlicht: (2024)

Improved Algorithm for Deep Active Learning under Imbalance via Optimal Separation
von: Nuggehalli, Shyam, et al.
Veröffentlicht: (2023)

Table Detection with Active Learning
von: Gautam, Somraj, et al.
Veröffentlicht: (2025)

Language-Driven Active Learning for Diverse Open-Set 3D Object Detection
von: Greer, Ross, et al.
Veröffentlicht: (2024)

Balancing Accuracy, Calibration, and Efficiency in Active Learning with Vision Transformers Under Label Noise
von: Mots'oehli, Moseli, et al.
Veröffentlicht: (2025)

Open-CRB: Towards Open World Active Learning for 3D Object Detection
von: Chen, Zhuoxiao, et al.
Veröffentlicht: (2023)

GCI-ViTAL: Gradual Confidence Improvement with Vision Transformers for Active Learning on Label Noise
von: Mots'oehli, Moseli, et al.
Veröffentlicht: (2024)

LPLgrad: Optimizing Active Learning Through Gradient Norm Sample Selection and Auxiliary Model Training
von: Gul, Shreen, et al.
Veröffentlicht: (2024)

To Label or Not to Label: PALM -- A Predictive Model for Evaluating Sample Efficiency in Active Learning Models
von: Machnio, Julia, et al.
Veröffentlicht: (2025)

Debiased Orthogonal Boundary-Driven Efficient Noise Mitigation
von: Li, Hao, et al.
Veröffentlicht: (2024)

Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence
von: Lyu, Mengyao, et al.
Veröffentlicht: (2024)

Find Rhinos without Finding Rhinos: Active Learning with Multimodal Imagery of South African Rhino Habitats
von: Gordon, Lucia, et al.
Veröffentlicht: (2024)

Data Stream Sampling with Fuzzy Task Boundaries and Noisy Labels
von: Chen, Yu-Hsi
Veröffentlicht: (2024)

Consensus-Driven Active Model Selection
von: Kay, Justin, et al.
Veröffentlicht: (2025)

ADBA:Approximation Decision Boundary Approach for Black-Box Adversarial Attacks
von: Wang, Feiyang, et al.
Veröffentlicht: (2024)

Development and Application of Self-Supervised Machine Learning for Smoke Plume and Active Fire Identification from the FIREX-AQ Datasets
von: LaHaye, Nicholas, et al.
Veröffentlicht: (2025)

Hierarchical Active Inference using Successor Representations
von: Rangarajan, Prashant, et al.
Veröffentlicht: (2026)

Composite Active Learning: Towards Multi-Domain Active Learning with Theoretical Guarantees
von: Hao, Guang-Yuan, et al.
Veröffentlicht: (2024)

Bi-CamoDiffusion: A Boundary-informed Diffusion Approach for Camouflaged Object Detection
von: Suarez, Patricia L., et al.
Veröffentlicht: (2026)

Can Visual Encoder Learn to See Arrows?
von: Terashita, Naoyuki, et al.
Veröffentlicht: (2025)

Towards Explainable, Safe Autonomous Driving with Language Embeddings for Novelty Identification and Active Learning: Framework and Experimental Analysis with Real-World Data Sets
von: Greer, Ross, et al.
Veröffentlicht: (2024)

Effortless Active Labeling for Long-Term Test-Time Adaptation
von: Wang, Guowei, et al.
Veröffentlicht: (2025)