Buchumschlag

Tackling the Noisy Elephant in the Room: Label Noise-robust Out-of-Distribution Detection via Loss Correction and Low-rank Decomposition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Azad, Tarhib Al, Ibrahim, Shahana
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pseudo-label Induced Subspace Representation Learning for Robust Out-of-Distribution Detection
von: Azad, Tarhib Al, et al.
Veröffentlicht: (2025)

Prompt Optimization Meets Subspace Representation Learning for Few-shot Out-of-Distribution Detection
von: Sayem, Faizul Rakib, et al.
Veröffentlicht: (2025)

Tackling Noisy Clients in Federated Learning with End-to-end Label Correction
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2024)

Learning From Crowdsourced Noisy Labels: A Signal Processing Perspective
von: Ibrahim, Shahana, et al.
Veröffentlicht: (2024)

Correcting Noisy Multilabel Predictions: Modeling Label Noise through Latent Space Shifts
von: Huang, Weipeng, et al.
Veröffentlicht: (2025)

Efficient Bilevel Optimization for Meta Label Correction in Noisy Label Learning
von: Nguyen, Ba Hoang Anh, et al.
Veröffentlicht: (2026)

TMLC-Net: Transferable Meta Label Correction for Noisy Label Learning
von: Li, Mengyang
Veröffentlicht: (2025)

Learning to Clean: Reinforcement Learning for Noisy Label Correction
von: Heidari, Marzi, et al.
Veröffentlicht: (2025)

Online Multi-Label Classification under Noisy and Changing Label Distribution
von: Zou, Yizhang, et al.
Veröffentlicht: (2024)

Label Noise Robustness for Domain-Agnostic Fair Corrections via Nearest Neighbors Label Spreading
von: Stromberg, Nathan, et al.
Veröffentlicht: (2024)

Can We Ignore Labels In Out of Distribution Detection?
von: Yang, Hong, et al.
Veröffentlicht: (2025)

Enhancing Distribution and Label Consistency for Graph Out-of-Distribution Generalization
von: Wang, Song, et al.
Veröffentlicht: (2025)

Exploring Loss Design Techniques For Decision Tree Robustness To Label Noise
von: Sztukiewicz, Lukasz, et al.
Veröffentlicht: (2024)

Balanced Edge Pruning for Graph Anomaly Detection with Noisy Labels
von: Wang, Zhu, et al.
Veröffentlicht: (2024)

FedEFC: Federated Learning Using Enhanced Forward Correction Against Noisy Labels
von: Yu, Seunghun, et al.
Veröffentlicht: (2025)

Beyond Low-rank Decomposition: A Shortcut Approach for Efficient On-Device Learning
von: Nguyen, Le-Trung, et al.
Veröffentlicht: (2025)

Tackling Noisy Labels with Network Parameter Additive Decomposition
von: Wang, Jingyi, et al.
Veröffentlicht: (2024)

High-dimensional Learning with Noisy Labels
von: Firdoussi, Aymane El, et al.
Veröffentlicht: (2024)

SAP: Corrective Machine Unlearning with Scaled Activation Projection for Label Noise Robustness
von: Kodge, Sangamesh, et al.
Veröffentlicht: (2024)

Learning from Noisy Labels for Long-tailed Data via Optimal Transport
von: Li, Mengting, et al.
Veröffentlicht: (2024)

Probabilistic Trust Intervals for Out of Distribution Detection
von: Singh, Gagandeep, et al.
Veröffentlicht: (2021)

Out-of-Distribution Detection using Counterfactual Distance
von: Stoica, Maria, et al.
Veröffentlicht: (2025)

Adaptive Dual-Weighting Framework for Federated Learning via Out-of-Distribution Detection
von: Ling, Zhiwei, et al.
Veröffentlicht: (2026)

NCSAM Noise-Compensated Sharpness-Aware Minimization for Noisy Label Learning
von: Xu, Jiayu, et al.
Veröffentlicht: (2026)

Enhancing Noise-Robust Losses for Large-Scale Noisy Data Learning
von: Staats, Max, et al.
Veröffentlicht: (2023)

Nested Graph Pseudo-Label Refinement for Noisy Label Domain Adaptation Learning
von: Wang, Yingxu, et al.
Veröffentlicht: (2025)

Elephants and Algorithms: A Review of the Current and Future Role of AI in Elephant Monitoring
von: Brickson, Leandra, et al.
Veröffentlicht: (2023)

Robust Self-Training with Closed-loop Label Correction for Learning from Noisy Labels
von: Lin, Zhanhui, et al.
Veröffentlicht: (2026)

Energy Correction Model in the Feature Space for Out-of-Distribution Detection
von: Lafon, Marc, et al.
Veröffentlicht: (2024)

Learning Robust Reward Machines from Noisy Labels
von: Parac, Roko, et al.
Veröffentlicht: (2024)

Dirichlet-Based Prediction Calibration for Learning with Noisy Labels
von: Zong, Chen-Chen, et al.
Veröffentlicht: (2024)

On Symmetric Losses for Robust Policy Optimization with Noisy Preferences
von: Nishimori, Soichiro, et al.
Veröffentlicht: (2025)

DEEDEE: Fast and Scalable Out-of-Distribution Dynamics Detection
von: Aljaafari, Tala, et al.
Veröffentlicht: (2025)

Resurrecting Label Propagation for Graphs with Heterophily and Label Noise
von: Cheng, Yao, et al.
Veröffentlicht: (2023)

Noise-corrected GRPO: From Noisy Rewards to Unbiased Gradients
von: Mansouri, Omar El, et al.
Veröffentlicht: (2025)

Conformal Prediction of Classifiers with Many Classes based on Noisy Labels
von: Penso, Coby, et al.
Veröffentlicht: (2025)

Potential Energy based Mixture Model for Noisy Label Learning
von: Wang, Zijia, et al.
Veröffentlicht: (2024)

Learning with Noisy Labels through Learnable Weighting and Centroid Similarity
von: Wani, Farooq Ahmad, et al.
Veröffentlicht: (2023)

Dynamical Label Augmentation and Calibration for Noisy Electronic Health Records
von: Li, Yuhao, et al.
Veröffentlicht: (2025)

Learning with Noisy Labels by Adaptive Gradient-Based Outlier Removal
von: Sedova, Anastasiia, et al.
Veröffentlicht: (2023)