Buchumschlag

Optimal Layer Selection for Latent Data Augmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Takase, Tomoumi, Karakida, Ryo
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

Hierarchical Associative Memory, Parallelized MLP-Mixer, and Symmetry Breaking
von: Karakida, Ryo, et al.
Veröffentlicht: (2024)

TAROT: Targeted Data Selection via Optimal Transport
von: Feng, Lan, et al.
Veröffentlicht: (2024)

Leveraging Latent Diffusion Models for Training-Free In-Distribution Data Augmentation for Surface Defect Detection
von: Girella, Federico, et al.
Veröffentlicht: (2024)

Leveraging Data to Say No: Memory Augmented Plug-and-Play Selective Prediction
von: Sarkar, Aditya, et al.
Veröffentlicht: (2026)

When Dynamic Data Selection Meets Data Augmentation
von: Yang, Suorong, et al.
Veröffentlicht: (2025)

Theoretical Guarantees of Data Augmented Last Layer Retraining Methods
von: Welfert, Monica, et al.
Veröffentlicht: (2024)

MALT Diffusion: Memory-Augmented Latent Transformers for Any-Length Video Generation
von: Yu, Sihyun, et al.
Veröffentlicht: (2025)

Latent Code Augmentation Based on Stable Diffusion for Data-free Substitute Attacks
von: Shao, Mingwen, et al.
Veröffentlicht: (2023)

An Optimal Transport-driven Approach for Cultivating Latent Space in Online Incremental Learning
von: Tran, Quyen, et al.
Veröffentlicht: (2022)

Gradient-Guided Exploration of Generative Model's Latent Space for Controlled Iris Image Augmentations
von: Mitcheff, Mahsa, et al.
Veröffentlicht: (2025)

Data Augmentation For Small Object using Fast AutoAugment
von: Yoon, DaeEun, et al.
Veröffentlicht: (2025)

Generative Spatiotemporal Data Augmentation
von: Zhou, Jinfan, et al.
Veröffentlicht: (2025)

Weakly Semi-supervised Tool Detection in Minimally Invasive Surgery Videos
von: Fujii, Ryo, et al.
Veröffentlicht: (2024)

Generative Latent Diffusion for Efficient Spatiotemporal Data Reduction
von: Li, Xiao, et al.
Veröffentlicht: (2025)

Model Debiasing by Learnable Data Augmentation
von: Morerio, Pietro, et al.
Veröffentlicht: (2024)

LIFT: Latent Implicit Functions for Task- and Data-Agnostic Encoding
von: Kazerouni, Amirhossein, et al.
Veröffentlicht: (2025)

DRO-Augment Framework: Robustness by Synergizing Wasserstein Distributionally Robust Optimization and Data Augmentation
von: Hu, Jiaming, et al.
Veröffentlicht: (2025)

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

Robustness of Visual Explanations to Common Data Augmentation
von: Tětková, Lenka, et al.
Veröffentlicht: (2023)

Data-Augmented Quantization-Aware Knowledge Distillation
von: Kur, Justin, et al.
Veröffentlicht: (2025)

Controlled Face Manipulation and Synthesis for Data Augmentation
von: Kirchner, Joris, et al.
Veröffentlicht: (2026)

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

Efficient Long-Tail Learning in Latent Space by sampling Synthetic Data
von: Sharma, Nakul
Veröffentlicht: (2025)

GeoMix: Towards Geometry-Aware Data Augmentation
von: Zhao, Wentao, et al.
Veröffentlicht: (2024)

Understanding the Detrimental Class-level Effects of Data Augmentation
von: Kirichenko, Polina, et al.
Veröffentlicht: (2023)

Diffusion-Based Data Augmentation for Medical Image Segmentation
von: Nazir, Maham, et al.
Veröffentlicht: (2025)

Group Relative Augmentation for Data Efficient Action Detection
von: Patel, Deep Anil, et al.
Veröffentlicht: (2025)

Towards Understanding Why Data Augmentation Improves Generalization
von: Li, Jingyang, et al.
Veröffentlicht: (2025)

Latent Diffusion Inversion Requires Understanding the Latent Space
von: Rao, Mingxing, et al.
Veröffentlicht: (2025)

LatentGAN Autoencoder: Learning Disentangled Latent Distribution
von: Kalwar, Sanket, et al.
Veröffentlicht: (2022)

JLT: Clean-Latent Prediction in Latent Diffusion Transformers
von: Fu, Funing, et al.
Veröffentlicht: (2026)

MetaAug: Meta-Data Augmentation for Post-Training Quantization
von: Pham, Cuong, et al.
Veröffentlicht: (2024)

Data Augmentation of Contrastive Learning is Estimating Positive-incentive Noise
von: Zhang, Hongyuan, et al.
Veröffentlicht: (2024)

On the Mechanisms of Adversarial Data Augmentation for Robust and Adaptive Transfer Learning
von: Satou, Hana, et al.
Veröffentlicht: (2025)

HandCraft: Dynamic Sign Generation for Synthetic Data Augmentation
von: Rios, Gaston Gustavo, et al.
Veröffentlicht: (2025)

Analyzing Effects of Mixed Sample Data Augmentation on Model Interpretability
von: Won, Soyoun, et al.
Veröffentlicht: (2023)

What Has Been Overlooked in Contrastive Source-Free Domain Adaptation: Leveraging Source-Informed Latent Augmentation within Neighborhood Context
von: Wang, Jing, et al.
Veröffentlicht: (2024)

Adversarial Robustness for Deep Learning-based Wildfire Prediction Models
von: Ide, Ryo, et al.
Veröffentlicht: (2024)

Symbol-Aware Reasoning with Masked Discrete Diffusion for Handwritten Mathematical Expression Recognition
von: Kawakatsu, Takaya, et al.
Veröffentlicht: (2026)

Scaling-based Data Augmentation for Generative Models and its Theoretical Extension
von: Koike, Yoshitaka, et al.
Veröffentlicht: (2024)