:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Zhengting, Cheng, Lei, Ding, Lianghui, Lin, Liang, Zhang, Quanshi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	https://arxiv.org/abs/2410.04421
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Randomness of Low-Layer Parameters Determines Confusing Samples in Terms of Interaction Representations of a DNN
von: Zhang, Junpeng, et al.
Veröffentlicht: (2025)

Revisiting Generalization Power of a DNN in Terms of Symbolic Interactions
von: Cheng, Lei, et al.
Veröffentlicht: (2025)

Two-Phase Dynamics of Interactions Explains the Starting Point of a DNN Learning Over-Fitted Features
von: Zhang, Junpeng, et al.
Veröffentlicht: (2024)

Technical Report: Quantifying and Analyzing the Generalization Power of a DNN
von: He, Yuxuan, et al.
Veröffentlicht: (2025)

Quantifying In-Context Reasoning Effects and Memorization Effects in LLMs
von: Lou, Siyu, et al.
Veröffentlicht: (2024)

Does a Neural Network Really Encode Symbolic Concepts?
von: Li, Mingjie, et al.
Veröffentlicht: (2023)

Technical Note: Defining and Quantifying AND-OR Interactions for Faithful and Concise Explanation of DNNs
von: Li, Mingjie, et al.
Veröffentlicht: (2023)

Towards Attributions of Input Variables in a Coalition
von: Zheng, Xinhao, et al.
Veröffentlicht: (2023)

Layerwise Change of Knowledge in Neural Networks
von: Cheng, Xu, et al.
Veröffentlicht: (2024)

Defining and Extracting generalizable interaction primitives from DNNs
von: Chen, Lu, et al.
Veröffentlicht: (2024)

Where We Have Arrived in Proving the Emergence of Sparse Symbolic Concepts in AI Models
von: Ren, Qihan, et al.
Veröffentlicht: (2023)

Towards the Resistance of Neural Network Watermarking to Fine-tuning
von: Tang, Ling, et al.
Veröffentlicht: (2025)

Explaining Generalization Power of a DNN Using Interactive Concepts
von: Zhou, Huilin, et al.
Veröffentlicht: (2023)

OmniPrism: Learning Disentangled Visual Concept for Image Generation
von: Li, Yangyang, et al.
Veröffentlicht: (2024)

PIVOT-R: Primitive-Driven Waypoint-Aware World Model for Robotic Manipulation
von: Zhang, Kaidong, et al.
Veröffentlicht: (2024)

Controllable Video Generation with Provable Disentanglement
von: Shen, Yifan, et al.
Veröffentlicht: (2025)

Symbolic Disentangled Representations for Images
von: Korchemnyi, Alexandr, et al.
Veröffentlicht: (2024)

Towards the Dynamics of a DNN Learning Symbolic Interactions
von: Ren, Qihan, et al.
Veröffentlicht: (2024)

Superclass-Guided Representation Disentanglement for Spurious Correlation Mitigation
von: Liu, Chenruo, et al.
Veröffentlicht: (2025)

Text-Driven Image Editing via Learnable Regions
von: Lin, Yuanze, et al.
Veröffentlicht: (2023)

Evaluating the Correctness of Inference Patterns Used by LLMs for Judgment
von: Chen, Lu, et al.
Veröffentlicht: (2024)

From Baselines to Transport Geodesics: Axiomatic Attribution via Optimal Generative Flows
von: Zhang, Cenwei, et al.
Veröffentlicht: (2026)

CLoG: Benchmarking Continual Learning of Image Generation Models
von: Zhang, Haotian, et al.
Veröffentlicht: (2024)

Cross-modal RAG: Sub-dimensional Text-to-Image Retrieval-Augmented Generation
von: Zhu, Mengdan, et al.
Veröffentlicht: (2025)

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

CoDeGAN: Contrastive Disentanglement for Generative Adversarial Network
von: Zhao, Jiangwei, et al.
Veröffentlicht: (2021)

DiPrompT: Disentangled Prompt Tuning for Multiple Latent Domain Generalization in Federated Learning
von: Bai, Sikai, et al.
Veröffentlicht: (2024)

Image Captions are Natural Prompts for Text-to-Image Models
von: Lei, Shiye, et al.
Veröffentlicht: (2023)

Disentangling Disentangled Representations: Towards Improved Latent Units via Diffusion Models
von: Jun, Youngjun, et al.
Veröffentlicht: (2024)

Towards Effective Usage of Human-Centric Priors in Diffusion Models for Text-based Human Image Generation
von: Wang, Junyan, et al.
Veröffentlicht: (2024)

Regional Style and Color Transfer
von: Ding, Zhicheng, et al.
Veröffentlicht: (2024)

Disentangled representations of microscopy images
von: Dapueto, Jacopo, et al.
Veröffentlicht: (2025)

Mitigating Object Hallucinations in Vision-Language Models through Region-Aware Attention Recalibration
von: Xu, Yuanzhi, et al.
Veröffentlicht: (2026)

Augmented Conditioning Is Enough For Effective Training Image Generation
von: Chen, Jiahui, et al.
Veröffentlicht: (2025)

Scaling Image and Video Generation via Test-Time Evolutionary Search
von: He, Haoran, et al.
Veröffentlicht: (2025)

RankCLIP: Ranking-Consistent Language-Image Pretraining
von: Zhang, Yiming, et al.
Veröffentlicht: (2024)

Self-Evaluation Unlocks Any-Step Text-to-Image Generation
von: Yu, Xin, et al.
Veröffentlicht: (2025)

Can Diffusion Models Disentangle? A Theoretical Perspective
von: Wang, Liming, et al.
Veröffentlicht: (2025)

Self-Disentanglement and Re-Composition for Cross-Domain Few-Shot Segmentation
von: Tong, Jintao, et al.
Veröffentlicht: (2025)

Do Language Models Understand Time?
von: Ding, Xi, et al.
Veröffentlicht: (2024)