Buchumschlag

Theoretical Guarantees of Data Augmented Last Layer Retraining Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Welfert, Monica, Stromberg, Nathan, Sankar, Lalitha
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Thumb on the Scale: Optimal Loss Weighting in Last Layer Retraining
von: Stromberg, Nathan, et al.
Veröffentlicht: (2025)

Correcting Class Imbalance in Prior-Data Fitted Networks for Tabular Classification
von: McDowell, Samuel, et al.
Veröffentlicht: (2026)

Lower Bounds on the MMSE of Adversarially Inferring Sensitive Features
von: Welfert, Monica, et al.
Veröffentlicht: (2025)

Multimodal Learning Without Labeled Multimodal Data: Guarantees and Applications
von: Liang, Paul Pu, et al.
Veröffentlicht: (2023)

AugLoss: A Robust Augmentation-based Fine Tuning Methodology
von: Otstot, Kyle, et al.
Veröffentlicht: (2022)

A Comparative Study of MAP and LMMSE Estimators for Blind Inverse Problems
von: Buskulic, Nathan, et al.
Veröffentlicht: (2026)

Skip-It? Theoretical Conditions for Layer Skipping in Vision-Language Models
von: Hartman, Max, et al.
Veröffentlicht: (2025)

VNDUQE: Information-Theoretic Novelty Detection using Deep Variational Information Bottleneck
von: Gondkar, Aryan, et al.
Veröffentlicht: (2026)

Re-ranking the Context for Multimodal Retrieval Augmented Generation
von: Mortaheb, Matin, et al.
Veröffentlicht: (2025)

RAG-Check: Evaluating Multimodal Retrieval Augmented Generation Performance
von: Mortaheb, Matin, et al.
Veröffentlicht: (2025)

Scaling Training Data with Lossy Image Compression
von: Mentzer, Katherine L., et al.
Veröffentlicht: (2024)

Robustness to Subpopulation Shift with Domain Label Noise via Regularized Annotation of Domains
von: Stromberg, Nathan, et al.
Veröffentlicht: (2024)

Towards Efficient VLMs: Information-Theoretic Driven Compression via Adaptive Structural Pruning
von: Xu, Zhaoqi, et al.
Veröffentlicht: (2025)

Variational Bayesian Last Layers
von: Harrison, James, et al.
Veröffentlicht: (2024)

SeA: Semantic Adversarial Augmentation for Last Layer Features from Unsupervised Representation Learning
von: Qian, Qi, et al.
Veröffentlicht: (2024)

Latent Space Characterization of Autoencoder Variants
von: Shrivastava, Anika, et al.
Veröffentlicht: (2024)

Cooperation and Federation in Distributed Radar Point Cloud Processing
von: Savazzi, S., et al.
Veröffentlicht: (2024)

Does SAM dream of EIG? Characterizing Interactive Segmenter Performance using Expected Information Gain
von: Chung, Kuan-I, et al.
Veröffentlicht: (2024)

Bi-Level Spatial and Channel-aware Transformer for Learned Image Compression
von: Soltani, Hamidreza, et al.
Veröffentlicht: (2024)

Fast proxy centers for Jeffreys centroids: The Jeffreys-Fisher-Rao and the inductive Gauss-Bregman centers
von: Nielsen, Frank
Veröffentlicht: (2024)

Deep Variational Privacy Funnel: General Modeling with Applications in Face Recognition
von: Razeghi, Behrooz, et al.
Veröffentlicht: (2024)

Multimodal Variational Autoencoder: a Barycentric View
von: Qiu, Peijie, et al.
Veröffentlicht: (2024)

Approximation and bounding techniques for the Fisher-Rao distances between parametric statistical models
von: Nielsen, Frank
Veröffentlicht: (2024)

Lossless Image Compression Using Multi-level Dictionaries: Binary Images
von: Agnihotri, Samar, et al.
Veröffentlicht: (2024)

TwinTURBO: Semi-Supervised Fine-Tuning of Foundation Models via Mutual Information Decompositions for Downstream Task and Latent Spaces
von: Quétant, Guillaume, et al.
Veröffentlicht: (2025)

Generalising maximum mean discrepancy: kernelised functional Bregman divergences
von: Tsuchida, Russell, et al.
Veröffentlicht: (2026)

Joint Source-Channel-Generation Coding: From Distortion-oriented Reconstruction to Semantic-consistent Generation
von: Wu, Tong, et al.
Veröffentlicht: (2026)

The Principle of Uncertain Maximum Entropy
von: Bogert, Kenneth, et al.
Veröffentlicht: (2023)

Set Learning for Accurate and Calibrated Models
von: Muttenthaler, Lukas, et al.
Veröffentlicht: (2023)

Diffusion Model Based Posterior Sampling for Noisy Linear Inverse Problems
von: Meng, Xiangming, et al.
Veröffentlicht: (2022)

A series of maximum entropy upper bounds of the differential entropy
von: Nielsen, Frank, et al.
Veröffentlicht: (2016)

Distributed Deep Joint Source-Channel Coding with Decoder-Only Side Information
von: Yilmaz, Selim F., et al.
Veröffentlicht: (2023)

Lossy Common Information in a Learnable Gray-Wyner Network
von: de Andrade, Anderson, et al.
Veröffentlicht: (2026)

SDQM: Synthetic Data Quality Metric for Object Detection Dataset Evaluation
von: Zenith, Ayush, et al.
Veröffentlicht: (2025)

Optimal Layer Selection for Latent Data Augmentation
von: Takase, Tomoumi, et al.
Veröffentlicht: (2024)

CORAL: Disentangling Latent Representations in Long-Tailed Diffusion
von: Rodriguez, Esther, et al.
Veröffentlicht: (2025)

Functional Properties of the Focal-Entropy
von: Shah, Jaimin, et al.
Veröffentlicht: (2026)

Decoupled Entropy Minimization
von: Ma, Jing, et al.
Veröffentlicht: (2025)

Improved Sample Complexity Bounds for Diffusion Model Training
von: Gupta, Shivam, et al.
Veröffentlicht: (2023)

Improving Pre-trained Self-Supervised Embeddings Through Effective Entropy Maximization
von: Chakraborty, Deep, et al.
Veröffentlicht: (2024)