Buchumschlag

DispBench: Benchmarking Disparity Estimation to Synthetic Corruptions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Agnihotri, Shashank, Ansari, Amaan, Dackermann, Annika, Rösch, Fabian, Keuper, Margret
Format:	Preprint
Veröffentlicht:	2025
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

Faithful, Interpretable Chest X-ray Diagnosis with Anti-Aliased B-cos Networks
von: Kleinmann, Marcel, et al.
Veröffentlicht: (2025)

How Do Training Methods Influence the Utilization of Vision Models?
von: Gavrikov, Paul, et al.
Veröffentlicht: (2024)

RobustSpring: Benchmarking Robustness to Image Corruptions for Optical Flow, Scene Flow and Stereo
von: Oei, Victor, et al.
Veröffentlicht: (2025)

Are Synthetic Corruptions A Reliable Proxy For Real-World Corruptions?
von: Agnihotri, Shashank, et al.
Veröffentlicht: (2025)

Beware of Aliases -- Signal Preservation is Crucial for Robust Image Restoration
von: Agnihotri, Shashank, et al.
Veröffentlicht: (2024)

SemSegBench & DetecBench: Benchmarking Reliability and Generalization Beyond Classification
von: Agnihotri, Shashank, et al.
Veröffentlicht: (2025)

CosPGD: an efficient white-box adversarial attack for pixel-wise prediction tasks
von: Agnihotri, Shashank, et al.
Veröffentlicht: (2023)

Improving Feature Stability during Upsampling -- Spectral Artifacts and the Importance of Spatial Context
von: Agnihotri, Shashank, et al.
Veröffentlicht: (2023)

Smart Eyes for Silent Threats: VLMs and In-Context Learning for THz Imaging
von: Poggi, Nicolas, et al.
Veröffentlicht: (2025)

Images as Tables: In-Context Learning with TabPFN for Low-Data Detection of AI-Generated Images
von: Walter, Jan Philip, et al.
Veröffentlicht: (2026)

AIM: Amending Inherent Interpretability via Self-Supervised Masking
von: Alshami, Eyad, et al.
Veröffentlicht: (2025)

RAWDet-7: A Multi-Scenario Benchmark for Object Detection and Description on Quantized RAW Images
von: Fatima, Mishal, et al.
Veröffentlicht: (2026)

Know Yourself Better: Diverse Object-Related Features Improve Open Set Recognition
von: Xu, Jiawen, et al.
Veröffentlicht: (2024)

Vision At Night: Exploring Biologically Inspired Preprocessing For Improved Robustness Via Color And Contrast Transformations
von: Stracke, Lorena, et al.
Veröffentlicht: (2025)

TRIX- Trading Adversarial Fairness via Mixed Adversarial Training
von: Medi, Tejaswini, et al.
Veröffentlicht: (2025)

Informed Mixing -- Improving Open Set Recognition via Attribution-based Augmentation
von: Xu, Jiawen, et al.
Veröffentlicht: (2025)

Towards Class-wise Robustness Analysis
von: Medi, Tejaswini, et al.
Veröffentlicht: (2024)

FAIR-TAT: Improving Model Fairness Using Targeted Adversarial Training
von: Medi, Tejaswini, et al.
Veröffentlicht: (2024)

GeoDiv: Framework For Measuring Geographical Diversity In Text-To-Image Models
von: Basu, Abhipsa, et al.
Veröffentlicht: (2026)

Is RobustBench/AutoAttack a suitable Benchmark for Adversarial Robustness?
von: Lorenz, Peter, et al.
Veröffentlicht: (2021)

Missing Fine Details in Images: Last Seen in High Frequencies
von: Medi, Tejaswini, et al.
Veröffentlicht: (2025)

Stylized Synthetic Augmentation further improves Corruption Robustness
von: Siedel, Georg, et al.
Veröffentlicht: (2025)

Adversarial Supervision Makes Layout-to-Image Diffusion Models Thrive
von: Li, Yumeng, et al.
Veröffentlicht: (2024)

Deepfakes: we need to re-think the concept of "real" images
von: Keuper, Janis, et al.
Veröffentlicht: (2025)

In-Context Learning for Seismic Data Processing
von: Fuchs, Fabian, et al.
Veröffentlicht: (2025)

Divide & Bind Your Attention for Improved Generative Semantic Nursing
von: Li, Yumeng, et al.
Veröffentlicht: (2023)

Unfolding Local Growth Rate Estimates for (Almost) Perfect Adversarial Detection
von: Lorenz, Peter, et al.
Veröffentlicht: (2022)

$γ$-Quant: Towards Learnable Quantization for Low-bit Pattern Recognition
von: Fatima, Mishal, et al.
Veröffentlicht: (2025)

Domain-Aware Fine-Tuning of Foundation Models
von: Kaplan, Ugur Ali, et al.
Veröffentlicht: (2024)

Visual Analysis of Prediction Uncertainty in Neural Networks for Deep Image Synthesis
von: Dutta, Soumya, et al.
Veröffentlicht: (2024)

As large as it gets: Learning infinitely large Filters via Neural Implicit Functions in the Fourier Domain
von: Grabinski, Julia, et al.
Veröffentlicht: (2023)

Real-time Prediction of Urban Sound Propagation with Conditioned Normalizing Flows
von: Eckerle, Achim, et al.
Veröffentlicht: (2025)

Robust Representation Learning in Masked Autoencoders
von: Shrivastava, Anika, et al.
Veröffentlicht: (2026)

VSTAR: Generative Temporal Nursing for Longer Dynamic Video Synthesis
von: Li, Yumeng, et al.
Veröffentlicht: (2024)

Can We Talk Models Into Seeing the World Differently?
von: Gavrikov, Paul, et al.
Veröffentlicht: (2024)

Can Biases in ImageNet Models Explain Generalization?
von: Gavrikov, Paul, et al.
Veröffentlicht: (2024)

Landsat-Bench: Datasets and Benchmarks for Landsat Foundation Models
von: Corley, Isaac, et al.
Veröffentlicht: (2025)

IGenBench: Benchmarking the Reliability of Text-to-Infographic Generation
von: Tang, Yinghao, et al.
Veröffentlicht: (2026)

Know What You do Not Know: Verbalized Uncertainty Estimation Robustness on Corrupted Images in Vision-Language Models
von: Borszukovszki, Mirko, et al.
Veröffentlicht: (2025)

PredBench: Benchmarking Spatio-Temporal Prediction across Diverse Disciplines
von: Wang, ZiDong, et al.
Veröffentlicht: (2024)