:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Asad, Muhammad, Ullah, Ihsan, Sistu, Ganesh, Madden, Michael G.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	https://arxiv.org/abs/2404.04456
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Depth Estimation using Weighted-loss and Transfer Learning
von: Hafeez, Muhammad Adeel, et al.
Veröffentlicht: (2024)

Improved Crop and Weed Detection with Diverse Data Ensemble Learning
von: Asad, Muhammad Hamza, et al.
Veröffentlicht: (2023)

Beyond Known Clusters: Probe New Prototypes for Efficient Generalized Class Discovery
von: Wang, Ye, et al.
Veröffentlicht: (2024)

Open-World Continual Learning: Unifying Novelty Detection and Continual Learning
von: Kim, Gyuhak, et al.
Veröffentlicht: (2023)

Sparse Autoencoders as Plug-and-Play Firewalls for Adversarial Attack Detection in VLMs
von: Wang, Hao, et al.
Veröffentlicht: (2026)

GRILL: Restoring Gradient Signal in Ill-Conditioned Layers for More Effective Adversarial Attacks on Autoencoders
von: Ramanaik, Chethan Krishnamurthy, et al.
Veröffentlicht: (2025)

Known Meets Unknown: Mitigating Overconfidence in Open Set Recognition
von: Zhao, Dongdong, et al.
Veröffentlicht: (2025)

Adversarial Attacks on Audio Deepfake Detection: A Benchmark and Comparative Study
von: Uddin, Kutub, et al.
Veröffentlicht: (2025)

Autonomous AI Surveillance: Multimodal Deep Learning for Cognitive and Behavioral Monitoring
von: Hamza, Ameer, et al.
Veröffentlicht: (2025)

Beyond Interpretability: When, Why, and How Sparse Autoencoders Enable Label-Free Visual Steering
von: Chatzoudis, Gerasimos, et al.
Veröffentlicht: (2025)

KAGE-Bench: Fast Known-Axis Visual Generalization Evaluation for Reinforcement Learning
von: Cherepanov, Egor, et al.
Veröffentlicht: (2026)

SPARKE: Scalable Prompt-Aware Diversity and Novelty Guidance in Diffusion Models via RKE Score
von: Jalali, Mohammad, et al.
Veröffentlicht: (2025)

Beyond Labels: A Self-Supervised Framework with Masked Autoencoders and Random Cropping for Breast Cancer Subtype Classification
von: Chiocchetti, Annalisa, et al.
Veröffentlicht: (2024)

FOCUS: Forcing In-Context Object Localization through Visual Support Constraints and Policy Optimization
von: Karim, Mohammed Asad, et al.
Veröffentlicht: (2026)

Improving the Diffusability of Autoencoders
von: Skorokhodov, Ivan, et al.
Veröffentlicht: (2025)

VAN-AD: Visual Masked Autoencoder with Normalizing Flow For Time Series Anomaly Detection
von: Chen, PengYu, et al.
Veröffentlicht: (2026)

Toxicity Assessment in Preclinical Histopathology via Class-Aware Mahalanobis Distance for Known and Novel Anomalies
von: Graf, Olga, et al.
Veröffentlicht: (2026)

Kolmogorov-Arnold Network Autoencoders
von: Moradi, Mohammadamin, et al.
Veröffentlicht: (2024)

WoodScape Motion Segmentation for Autonomous Driving -- CVPR 2023 OmniCV Workshop Challenge
von: Ramachandran, Saravanabalagi, et al.
Veröffentlicht: (2023)

Diffusion Autoencoders are Scalable Image Tokenizers
von: Chen, Yinbo, et al.
Veröffentlicht: (2025)

MeanFlow Transformers with Representation Autoencoders
von: Hu, Zheyuan, et al.
Veröffentlicht: (2025)

Interpreting CLIP with Hierarchical Sparse Autoencoders
von: Zaigrajew, Vladimir, et al.
Veröffentlicht: (2025)

Diffusion for Out-of-Distribution Detection on Road Scenes and Beyond
von: Galesso, Silvio, et al.
Veröffentlicht: (2024)

Masked Autoencoders Are Effective Tokenizers for Diffusion Models
von: Chen, Hao, et al.
Veröffentlicht: (2025)

CL-MAE: Curriculum-Learned Masked Autoencoders
von: Madan, Neelu, et al.
Veröffentlicht: (2023)

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)

Ambient Diffusion Posterior Sampling: Solving Inverse Problems with Diffusion Models Trained on Corrupted Data
von: Aali, Asad, et al.
Veröffentlicht: (2024)

Instant Adversarial Purification with Adversarial Consistency Distillation
von: Lei, Chun Tong, et al.
Veröffentlicht: (2024)

Boosting Fine-Grained Visual Anomaly Detection with Coarse-Knowledge-Aware Adversarial Learning
von: Fang, Qingqing, et al.
Veröffentlicht: (2024)

Masked Autoencoders for Microscopy are Scalable Learners of Cellular Biology
von: Kraus, Oren, et al.
Veröffentlicht: (2024)

Residualized Temporal Sparse Autoencoders for Interpreting Diffusion Models
von: Yeung, Calvin, et al.
Veröffentlicht: (2026)

Hyperspherical Autoencoder for High-Fidelity Image Reconstruction and Generation
von: Chang, Hun, et al.
Veröffentlicht: (2026)

Improved Baselines with Representation Autoencoders
von: Singh, Jaskirat, et al.
Veröffentlicht: (2026)

Sparse Autoencoders Learn Monosemantic Features in Vision-Language Models
von: Pach, Mateusz, et al.
Veröffentlicht: (2025)

i-MAE: Are Latent Representations in Masked Autoencoders Linearly Separable?
von: Zhang, Kevin, et al.
Veröffentlicht: (2022)

Probing Visual Concepts in Lightweight Vision-Language Models for Automated Driving
von: Theodoridis, Nikos, et al.
Veröffentlicht: (2026)

AROID: Improving Adversarial Robustness Through Online Instance-Wise Data Augmentation
von: Li, Lin, et al.
Veröffentlicht: (2023)

One-Step is Enough: Sparse Autoencoders for Text-to-Image Diffusion Models
von: Surkov, Viacheslav, et al.
Veröffentlicht: (2024)

Adversarial Detection by Approximation of Ensemble Boundary
von: Windeatt, T.
Veröffentlicht: (2022)

Conditional Unscented Autoencoders for Trajectory Prediction
von: Janjoš, Faris, et al.
Veröffentlicht: (2023)