Buchumschlag

BayesAdapter: enhanced uncertainty estimation in CLIP few-shot adaptation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Morales-Álvarez, Pablo, Christodoulidis, Stergios, Vakalopoulou, Maria, Piantanida, Pablo, Dolz, Jose
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Class Adaptive Conformal Training
von: Marani, Badr-Eddine, et al.
Veröffentlicht: (2026)

PVeRA: Probabilistic Vector-Based Random Matrix Adaptation
von: Fillioux, Leo, et al.
Veröffentlicht: (2025)

THUNDER: Tile-level Histopathology image UNDERstanding benchmark
von: Marza, Pierre, et al.
Veröffentlicht: (2025)

SGPMIL: Sparse Gaussian Process Multiple Instance Learning
von: Lolos, Andreas, et al.
Veröffentlicht: (2025)

Fairness and Robustness of CLIP-Based Models for Chest X-rays
von: Sourget, Théo, et al.
Veröffentlicht: (2025)

CLIP-driven Outliers Synthesis for few-shot OOD detection
von: Sun, Hao, et al.
Veröffentlicht: (2024)

OCTOPUS: Enhancing the Spatial-Awareness of Vision SSMs with Multi-Dimensional Scans and Traversal Selection
von: Mahatha, Kunal, et al.
Veröffentlicht: (2026)

SoC: Semantic Orthogonal Calibration for Test-Time Prompt Tuning
von: Fillioux, Leo, et al.
Veröffentlicht: (2026)

Full Conformal Adaptation of Medical Vision-Language Models
von: Silva-Rodríguez, Julio, et al.
Veröffentlicht: (2025)

Are foundation models for computer vision good conformal predictors?
von: Fillioux, Leo, et al.
Veröffentlicht: (2024)

Medical Context Distorts Decisions in Clinical Vision Language Models
von: Restrepo, David, et al.
Veröffentlicht: (2026)

On the Risk of Misleading Reports: Diagnosing Textual Biases in Multimodal Clinical AI
von: Restrepo, David, et al.
Veröffentlicht: (2025)

Mask-HybridGNet: Graph-based segmentation with emergent anatomical correspondence from pixel-level supervision
von: Gaggion, Nicolás, et al.
Veröffentlicht: (2026)

MoP-CLIP: A Mixture of Prompt-Tuned CLIP Models for Domain Incremental Learning
von: Nicolas, Julien, et al.
Veröffentlicht: (2023)

CAPRMIL: Context-Aware Patch Representations for Multiple Instance Learning
von: Lolos, Andreas, et al.
Veröffentlicht: (2025)

Information Maximization for Long-Tailed Semi-Supervised Domain Generalization
von: Fillioux, Leo, et al.
Veröffentlicht: (2026)

Controllable Latent Space Augmentation for Digital Pathology
von: Boutaj, Sofiène, et al.
Veröffentlicht: (2025)

ViG-Bias: Visually Grounded Bias Discovery and Mitigation
von: Marani, Badr-Eddine, et al.
Veröffentlicht: (2024)

LADA: Scalable Label-Specific CLIP Adapter for Continual Learning
von: Luo, Mao-Lin, et al.
Veröffentlicht: (2025)

IDEA: Image Description Enhanced CLIP-Adapter
von: Ye, Zhipeng, et al.
Veröffentlicht: (2025)

Structured Output Regularization: a framework for few-shot transfer learning
von: Ewen, Nicolas, et al.
Veröffentlicht: (2025)

Sm: enhanced localization in Multiple Instance Learning for medical imaging classification
von: Castro-Macías, Francisco M., et al.
Veröffentlicht: (2024)

MetaChest: Generalized few-shot learning of pathologies from chest X-rays
von: Montalvo-Lezama, Berenice, et al.
Veröffentlicht: (2025)

Adaptive few-shot learning for robust part quality classification in two-photon lithography
von: Jia, Sixian, et al.
Veröffentlicht: (2026)

Confidence-calibrated covariate shift correction for few-shot classification in Vision-Language Models
von: Khan, Behraj, et al.
Veröffentlicht: (2025)

Forensics Adapter: Unleashing CLIP for Generalizable Face Forgery Detection
von: Cui, Xinjie, et al.
Veröffentlicht: (2024)

Initialization matters in few-shot adaptation of vision-language models for histopathological image classification
von: Meseguer, Pablo, et al.
Veröffentlicht: (2026)

You Don't Need Domain-Specific Data Augmentations When Scaling Self-Supervised Learning
von: Moutakanni, Théo, et al.
Veröffentlicht: (2024)

ADAPT: Multimodal Learning for Detecting Physiological Changes under Missing Modalities
von: Mordacq, Julie, et al.
Veröffentlicht: (2024)

Which images to label for few-shot medical landmark detection?
von: Quan, Quan, et al.
Veröffentlicht: (2021)

Plug-in Feedback Self-adaptive Attention in CLIP for Training-free Open-Vocabulary Segmentation
von: Chi, Zhixiang, et al.
Veröffentlicht: (2025)

Zero-shot domain adaptation based on dual-level mix and contrast
von: Zhe, Yu, et al.
Veröffentlicht: (2024)

ReC-TTT: Contrastive Feature Reconstruction for Test-Time Training
von: Colussi, Marco, et al.
Veröffentlicht: (2024)

COOkeD: Ensemble-based OOD detection in the era of zero-shot CLIP
von: Humblot-Renaux, Galadrielle, et al.
Veröffentlicht: (2025)

AMU-Tuning: Effective Logit Bias for CLIP-based Few-shot Learning
von: Tang, Yuwei, et al.
Veröffentlicht: (2024)

Brain-inspired analogical mixture prototypes for few-shot class-incremental learning
von: Li, Wanyi, et al.
Veröffentlicht: (2025)

Adapters Strike Back
von: Steitz, Jan-Martin O., et al.
Veröffentlicht: (2024)

DeCLIP: Decoding CLIP representations for deepfake localization
von: Smeu, Stefan, et al.
Veröffentlicht: (2024)

UNIC-Adapter: Unified Image-instruction Adapter with Multi-modal Transformer for Image Generation
von: Duan, Lunhao, et al.
Veröffentlicht: (2024)

IsoCLIP: Decomposing CLIP Projectors for Efficient Intra-modal Alignment
von: Magistri, Simone, et al.
Veröffentlicht: (2026)