Copertina

Will the Inclusion of Generated Data Amplify Bias Across Generations in Future Image Classification Models?

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Zeliang, Liang, Xin, Feng, Mingqian, Liang, Susan, Xu, Chenliang
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Can CLIP Count Stars? An Empirical Study on Quantity Bias in CLIP
di: Zhang, Zeliang, et al.
Pubblicazione: (2024)

Discover and Mitigate Multiple Biased Subgroups in Image Classifiers
di: Zhang, Zeliang, et al.
Pubblicazione: (2024)

Do More Details Always Introduce More Hallucinations in LVLM-based Image Captioning?
di: Feng, Mingqian, et al.
Pubblicazione: (2024)

Forward Learning for Gradient-based Black-box Saliency Map Generation
di: Zhang, Zeliang, et al.
Pubblicazione: (2024)

Rethinking Audio-Visual Adversarial Vulnerability from Temporal and Modality Perspectives
di: Zhang, Zeliang, et al.
Pubblicazione: (2025)

High-Quality Sound Separation Across Diverse Categories via Visually-Guided Generative Modeling
di: Huang, Chao, et al.
Pubblicazione: (2025)

Learning to Transform Dynamically for Better Adversarial Transferability
di: Zhu, Rongyi, et al.
Pubblicazione: (2024)

Would Deep Generative Models Amplify Bias in Future Models?
di: Chen, Tianwei, et al.
Pubblicazione: (2024)

Targeted Forgetting of Image Subgroups in CLIP Models
di: Zhang, Zeliang, et al.
Pubblicazione: (2025)

Harnessing the Computation Redundancy in ViTs to Boost Adversarial Transferability
di: Liu, Jiani, et al.
Pubblicazione: (2025)

Can VLMs Truly Forget? Benchmarking Training-Free Visual Concept Unlearning
di: Tan, Zhangyun, et al.
Pubblicazione: (2026)

Omni-Judge: Can Omni-LLMs Serve as Human-Aligned Judges for Text-Conditioned Audio-Video Generation?
di: Liang, Susan, et al.
Pubblicazione: (2026)

Generated Bias: Auditing Internal Bias Dynamics of Text-To-Image Generative Models
di: Mandal, Abhishek, et al.
Pubblicazione: (2024)

VidComposition: Can MLLMs Analyze Compositions in Compiled Videos?
di: Tang, Yolo Y., et al.
Pubblicazione: (2024)

Why Instruction-Based Unlearning Fails in Diffusion Models?
di: Zhang, Zeliang, et al.
Pubblicazione: (2026)

MMPerspective: Do MLLMs Understand Perspective? A Comprehensive Benchmark for Perspective Perception, Reasoning, and Robustness
di: Tang, Yolo Y., et al.
Pubblicazione: (2025)

Generative AI for Cel-Animation: A Survey
di: Tang, Yolo Y., et al.
Pubblicazione: (2025)

UniFuture: A 4D Driving World Model for Future Generation and Perception
di: Liang, Dingkang, et al.
Pubblicazione: (2025)

Video Understanding with Large Language Models: A Survey
di: Tang, Yolo Y., et al.
Pubblicazione: (2023)

Deeper Diffusion Models Amplify Bias
di: Hakemi, Shahin, et al.
Pubblicazione: (2025)

Language-Guided Joint Audio-Visual Editing via One-Shot Adaptation
di: Liang, Susan, et al.
Pubblicazione: (2024)

CalibQuant: 1-Bit KV Cache Quantization for Multimodal LLMs
di: Han, Insu, et al.
Pubblicazione: (2025)

Scaling Concept With Text-Guided Diffusion Models
di: Huang, Chao, et al.
Pubblicazione: (2024)

GradBias: Unveiling Word Influence on Bias in Text-to-Image Generative Models
di: D'Incà, Moreno, et al.
Pubblicazione: (2024)

FreSca: Scaling in Frequency Space Enhances Diffusion Models
di: Huang, Chao, et al.
Pubblicazione: (2025)

Caption Anything in Video: Fine-grained Object-centric Captioning via Spatiotemporal Multimodal Prompting
di: Tang, Yunlong, et al.
Pubblicazione: (2025)

More Than Generation: Unifying Generation and Depth Estimation via Text-to-Image Diffusion Models
di: Lin, Hongkai, et al.
Pubblicazione: (2025)

Empowering LLMs with Pseudo-Untrimmed Videos for Audio-Visual Temporal Understanding
di: Tang, Yolo Yunlong, et al.
Pubblicazione: (2024)

Invisible Relevance Bias: Text-Image Retrieval Models Prefer AI-Generated Images
di: Xu, Shicheng, et al.
Pubblicazione: (2023)

Exploring the Equivalence of Closed-Set Generative and Real Data Augmentation in Image Classification
di: Wang, Haowen, et al.
Pubblicazione: (2025)

Semantic-Guided Generative Image Augmentation Method with Diffusion Models for Image Classification
di: Li, Bohan, et al.
Pubblicazione: (2023)

Cloud Adversarial Example Generation for Remote Sensing Image Classification
di: Ma, Fei, et al.
Pubblicazione: (2024)

SinSEMI: A One-Shot Image Generation Model and Data-Efficient Evaluation Framework for Semiconductor Inspection Equipment
di: Wu, ChunLiang, et al.
Pubblicazione: (2025)

Modelship Attribution: Tracing Multi-Stage Manipulations Across Generative Models
di: Tan, Zhiya, et al.
Pubblicazione: (2025)

SGIA: Enhancing Fine-Grained Visual Classification with Sequence Generative Image Augmentation
di: Liao, Qiyu, et al.
Pubblicazione: (2024)

OpenBias: Open-set Bias Detection in Text-to-Image Generative Models
di: D'Incà, Moreno, et al.
Pubblicazione: (2024)

Bias Analysis in Unconditional Image Generative Models
di: Zhang, Xiaofeng, et al.
Pubblicazione: (2025)

Human Image Generation: A Comprehensive Survey
di: Jia, Zhen, et al.
Pubblicazione: (2022)

AlignedGen: Aligning Style Across Generated Images
di: Zhang, Jiexuan, et al.
Pubblicazione: (2025)

Autoregressive Image Generation with Masked Bit Modeling
di: Yu, Qihang, et al.
Pubblicazione: (2026)