Buchumschlag

Khana: A Comprehensive Indian Cuisine Dataset

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Prabhu, Omkar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Aneumo: A Large-Scale Comprehensive Synthetic Dataset of Aneurysm Hemodynamics
von: Li, Xigui, et al.
Veröffentlicht: (2025)

From Data to Diagnosis: A Large, Comprehensive Bone Marrow Dataset and AI Methods for Childhood Leukemia Prediction
von: Höfener, Henning, et al.
Veröffentlicht: (2025)

Latent Space Probing for Adult Content Detection in Video Generative Models
von: Khatri, Alizishaan, et al.
Veröffentlicht: (2026)

UAV-Enhanced Combination to Application: Comprehensive Analysis and Benchmarking of a Human Detection Dataset for Disaster Scenarios
von: Nihal, Ragib Amin, et al.
Veröffentlicht: (2024)

Towards General Modality Translation with Contrastive and Predictive Latent Diffusion Bridge
von: Berman, Nimrod, et al.
Veröffentlicht: (2025)

Expanding on the BRIAR Dataset: A Comprehensive Whole Body Biometric Recognition Resource at Extreme Distances and Real-World Scenarios (Collections 1-4)
von: Jager, Gavin, et al.
Veröffentlicht: (2025)

Are We Done with Object-Centric Learning?
von: Rubinstein, Alexander, et al.
Veröffentlicht: (2025)

WorldCuisines: A Massive-Scale Benchmark for Multilingual and Multicultural Visual Question Answering on Global Cuisines
von: Winata, Genta Indra, et al.
Veröffentlicht: (2024)

CAMEL-Bench: A Comprehensive Arabic LMM Benchmark
von: Ghaboura, Sara, et al.
Veröffentlicht: (2024)

A Comprehensive Survey of Foundation Models in Medicine
von: Khan, Wasif, et al.
Veröffentlicht: (2024)

Generation of Indian Sign Language Letters, Numbers, and Words
von: Yadav, Ajeet Kumar, et al.
Veröffentlicht: (2025)

Comprehensive Exploration of Synthetic Data Generation: A Survey
von: Bauer, André, et al.
Veröffentlicht: (2024)

Diffusion Models: A Comprehensive Survey of Methods and Applications
von: Yang, Ling, et al.
Veröffentlicht: (2022)

Privacy Meets Explainability: A Comprehensive Impact Benchmark
von: Saifullah, Saifullah, et al.
Veröffentlicht: (2022)

On the Diversity and Realism of Distilled Dataset: An Efficient Dataset Distillation Paradigm
von: Sun, Peng, et al.
Veröffentlicht: (2023)

A Comprehensive Survey of Continual Learning: Theory, Method and Application
von: Wang, Liyuan, et al.
Veröffentlicht: (2023)

Hyperbolic Dataset Distillation
von: Li, Wenyuan, et al.
Veröffentlicht: (2025)

A Study in Dataset Distillation for Image Super-Resolution
von: Dietz, Tobias, et al.
Veröffentlicht: (2025)

AnnoPage Dataset: Dataset of Non-Textual Elements in Documents with Fine-Grained Categorization
von: Kišš, Martin, et al.
Veröffentlicht: (2025)

Adapting Vision-Language Models Without Labels: A Comprehensive Survey
von: Dong, Hao, et al.
Veröffentlicht: (2025)

A Comprehensive Survey on Test-Time Adaptation under Distribution Shifts
von: Liang, Jian, et al.
Veröffentlicht: (2023)

PAIR-Diffusion: A Comprehensive Multimodal Object-Level Image Editor
von: Goel, Vidit, et al.
Veröffentlicht: (2023)

A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning
von: Wang, Zhenyi, et al.
Veröffentlicht: (2023)

Modeling Saliency Dataset Bias
von: Kümmerer, Matthias, et al.
Veröffentlicht: (2025)

Dataset Condensation with Color Compensation
von: Wu, Huyu, et al.
Veröffentlicht: (2025)

Distilling Dataset into Neural Field
von: Shin, Donghyeok, et al.
Veröffentlicht: (2025)

Mitigating Bias in Dataset Distillation
von: Cui, Justin, et al.
Veröffentlicht: (2024)

Towards Natural Language-Driven Assembly Using Foundation Models
von: Joglekar, Omkar, et al.
Veröffentlicht: (2024)

Kaputt: A Large-Scale Dataset for Visual Defect Detection
von: Höfer, Sebastian, et al.
Veröffentlicht: (2025)

New York Smells: A Large Multimodal Dataset for Olfaction
von: Ozguroglu, Ege, et al.
Veröffentlicht: (2025)

Dataset Distillation with Neural Characteristic Function: A Minmax Perspective
von: Wang, Shaobo, et al.
Veröffentlicht: (2025)

LabelBench: A Comprehensive Framework for Benchmarking Adaptive Label-Efficient Learning
von: Zhang, Jifan, et al.
Veröffentlicht: (2023)

A Comprehensive Review of Machine Learning Advances on Data Change: A Cross-Field Perspective
von: Li, Jeng-Lin, et al.
Veröffentlicht: (2024)

Scale Efficient Training for Large Datasets
von: Zhou, Qing, et al.
Veröffentlicht: (2025)

Elucidating the Design Space of Dataset Condensation
von: Shao, Shitong, et al.
Veröffentlicht: (2024)

Insect Identification in the Wild: The AMI Dataset
von: Jain, Aditya, et al.
Veröffentlicht: (2024)

Unlocking Dataset Distillation with Diffusion Models
von: Moser, Brian B., et al.
Veröffentlicht: (2024)

Dataset Distillation via the Wasserstein Metric
von: Liu, Haoyang, et al.
Veröffentlicht: (2023)

Importance-Aware Adaptive Dataset Distillation
von: Li, Guang, et al.
Veröffentlicht: (2024)

Dataset Condensation with Latent Quantile Matching
von: Wei, Wei, et al.
Veröffentlicht: (2024)