Copertina

Tripod: Three Complementary Inductive Biases for Disentangled Representation Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Hsu, Kyle, Hamid, Jubayer Ibn, Burns, Kaylee, Finn, Chelsea, Wu, Jiajun
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

From Bias to Balance: Detecting Facial Expression Recognition Biases in Large Multimodal Foundation Models
di: Chhua, Kaylee, et al.
Pubblicazione: (2024)

Object-Centric Temporal Consistency via Conditional Autoregressive Inductive Biases
di: Meo, Cristian, et al.
Pubblicazione: (2024)

Confronting Reward Overoptimization for Diffusion Models: A Perspective of Inductive and Primacy Biases
di: Zhang, Ziyi, et al.
Pubblicazione: (2024)

Embracing Biased Transition Matrices for Complementary-Label Learning with Many Classes
di: Mai, Tan-Ha, et al.
Pubblicazione: (2026)

Do We Always Need the Simplicity Bias? Looking for Optimal Inductive Biases in the Wild
di: Teney, Damien, et al.
Pubblicazione: (2025)

Disentangled Representation Learning with Transmitted Information Bottleneck
di: Dang, Zhuohang, et al.
Pubblicazione: (2023)

Disentangled Representation Learning with the Gromov-Monge Gap
di: Uscidda, Théo, et al.
Pubblicazione: (2024)

PIGEON: Predicting Image Geolocations
di: Haas, Lukas, et al.
Pubblicazione: (2023)

DRESS: Disentangled Representation-based Self-Supervised Meta-Learning for Diverse Tasks
di: Cui, Wei, et al.
Pubblicazione: (2025)

AutoFT: Learning an Objective for Robust Fine-Tuning
di: Choi, Caroline, et al.
Pubblicazione: (2024)

Disentangled Representation Learning via Modular Compositional Bias
di: Jung, Whie, et al.
Pubblicazione: (2025)

Isometric Representation Learning for Disentangled Latent Space of Diffusion Models
di: Hahm, Jaehoon, et al.
Pubblicazione: (2024)

Inductive Gradient Adjustment For Spectral Bias In Implicit Neural Representations
di: Shi, Kexuan, et al.
Pubblicazione: (2024)

Leveraging Geometric Visual Illusions as Perceptual Inductive Biases for Vision Models
di: Yang, Haobo, et al.
Pubblicazione: (2025)

Evaluating Real-World Robot Manipulation Policies in Simulation
di: Li, Xuanlin, et al.
Pubblicazione: (2024)

IBiT: Utilizing Inductive Biases to Create a More Data Efficient Attention Mechanism
di: Giri, Adithya
Pubblicazione: (2025)

Graph-based Unsupervised Disentangled Representation Learning via Multimodal Large Language Models
di: Xie, Baao, et al.
Pubblicazione: (2024)

Disentanglement-Based Equivariant Learning for Compositional VQA
di: Du, Zhou, et al.
Pubblicazione: (2026)

Unsupervised Learning of Disentangled Representations from Video
di: Denton, Remi, et al.
Pubblicazione: (2017)

Explicitly Disentangled Representations in Object-Centric Learning
di: Majellaro, Riccardo, et al.
Pubblicazione: (2024)

Aligning Modalities in Vision Large Language Models via Preference Fine-tuning
di: Zhou, Yiyang, et al.
Pubblicazione: (2024)

CLImage: Human-Annotated Datasets for Complementary-Label Learning
di: Wang, Hsiu-Hsuan, et al.
Pubblicazione: (2023)

The 1st International Workshop on Disentangled Representation Learning for Controllable Generation (DRL4Real): Methods and Results
di: Chen, Qiuyu, et al.
Pubblicazione: (2025)

A Tool Bottleneck Framework for Clinically-Informed and Interpretable Medical Image Understanding
di: Liu, Christina, et al.
Pubblicazione: (2025)

Fine-Tuning Vision-Language-Action Models: Optimizing Speed and Success
di: Kim, Moo Jin, et al.
Pubblicazione: (2025)

From Parameter to Representation: A Closed-Form Approach for Controllable Model Merging
di: Wu, Jialin, et al.
Pubblicazione: (2025)

Cross-modal Active Complementary Learning with Self-refining Correspondence
di: Qin, Yang, et al.
Pubblicazione: (2023)

Prompt Disentanglement via Language Guidance and Representation Alignment for Domain Generalization
di: Cheng, De, et al.
Pubblicazione: (2025)

Domain Generalization in-the-Wild: Disentangling Classification from Domain-Aware Representations
di: Son, Ha Min, et al.
Pubblicazione: (2025)

Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling
di: Srivastava, Akash, et al.
Pubblicazione: (2020)

L-VAE: Variational Auto-Encoder with Learnable Beta for Disentangled Representation
di: Ozcan, Hazal Mogultay, et al.
Pubblicazione: (2025)

Semimage: HSV-Based Semantic Image Encoding for Disentangled Text Representation
di: Zare, Mohammad
Pubblicazione: (2025)

Symbolic Disentangled Representations for Images
di: Korchemnyi, Alexandr, et al.
Pubblicazione: (2024)

Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation
di: Fu, Zipeng, et al.
Pubblicazione: (2024)

Denoising Multi-Beta VAE: Representation Learning for Disentanglement and Generation
di: Uppal, Anshuk, et al.
Pubblicazione: (2025)

Sequential Representation Learning via Static-Dynamic Conditional Disentanglement
di: Simon, Mathieu Cyrille, et al.
Pubblicazione: (2024)

Helpful DoggyBot: Open-World Object Fetching using Legged Robots and Vision-Language Models
di: Wu, Qi, et al.
Pubblicazione: (2024)

USO: Unified Style and Subject-Driven Generation via Disentangled and Reward Learning
di: Wu, Shaojin, et al.
Pubblicazione: (2025)

Predicate Hierarchies Improve Few-Shot State Classification
di: Jin, Emily, et al.
Pubblicazione: (2025)

GenZSL: Generative Zero-Shot Learning Via Inductive Variational Autoencoder
di: Chen, Shiming, et al.
Pubblicazione: (2025)