Buchumschlag

Mind the Gaps: Measuring Visual Artifacts in Dimensionality Reduction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ros, Jaume, Arleo, Alessio, Paulovich, Fernando
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

When Dimensionality Reduction Meets Graph (Drawing) Theory: Introducing a Common Framework, Challenges and Opportunities
von: Paulovich, Fernando, et al.
Veröffentlicht: (2024)

When One Point Is Not Enough: Addressing Ambiguous Instances in Dimensionality Reduction by Splitting
von: van der Hoorn, Diede P. M., et al.
Veröffentlicht: (2026)

Why Can't I See My Clusters? A Precision-Recall Approach to Dimensionality Reduction Validation
von: van der Hoorn, Diede P. M., et al.
Veröffentlicht: (2025)

HardVis: Visual Analytics to Handle Instance Hardness Using Undersampling and Oversampling Techniques
von: Chatzimparmpas, Angelos, et al.
Veröffentlicht: (2022)

Mind the Gap: Measuring Generalization Performance Across Multiple Objectives
von: Feurer, Matthias, et al.
Veröffentlicht: (2022)

Visualizing LLM Latent Space Geometry Through Dimensionality Reduction
von: Ning, Alex, et al.
Veröffentlicht: (2025)

HUMAP: Hierarchical Uniform Manifold Approximation and Projection
von: Marcílio-Jr, Wilson E., et al.
Veröffentlicht: (2021)

Mind the Gap: Optimal and Equitable Encouragement Policies
von: Zhou, Angela
Veröffentlicht: (2023)

mlx-vis: GPU-Accelerated Dimensionality Reduction and Visualization on Apple Silicon
von: Xiao, Han
Veröffentlicht: (2026)

Mind the Gap: Removing the Discretization Gap in Differentiable Logic Gate Networks
von: Yousefi, Shakir, et al.
Veröffentlicht: (2025)

Mind the Gap: Structure-Aware Consistency in Preference Learning
von: Mohri, Mehryar, et al.
Veröffentlicht: (2026)

Randomized Dimensionality Reduction for Euclidean Maximization and Diversity Measures
von: Gao, Jie, et al.
Veröffentlicht: (2025)

UMATO: Bridging Local and Global Structures for Reliable Visual Analytics with Dimensionality Reduction
von: Jeon, Hyeon, et al.
Veröffentlicht: (2025)

Mind the Domain Gap: Measuring the Domain Gap Between Real-World and Synthetic Point Clouds for Automated Driving Development
von: Duc, Nguyen, et al.
Veröffentlicht: (2025)

Mind The Gap: Quantifying Mechanistic Gaps in Algorithmic Reasoning via Neural Compilation
von: Saldyt, Lucas, et al.
Veröffentlicht: (2025)

Mind the Performance Gap: Capability-Behavior Trade-offs in Feature Steering
von: Sprejer, Eitan, et al.
Veröffentlicht: (2026)

Diffusion Maps is not Dimensionality Reduction
von: Candanedo, Julio, et al.
Veröffentlicht: (2026)

Formation-Controlled Dimensionality Reduction
von: Jeong, Taeuk, et al.
Veröffentlicht: (2024)

Distributional Reduction: Unifying Dimensionality Reduction and Clustering with Gromov-Wasserstein
von: Van Assel, Hugues, et al.
Veröffentlicht: (2024)

Median Consensus Embedding for Dimensionality Reduction
von: Tomo, Yui, et al.
Veröffentlicht: (2025)

Mind the Gap: Preserving and Compensating for the Modality Gap in CLIP-Based Continual Learning
von: Huang, Linlan, et al.
Veröffentlicht: (2025)

Mind the Gap: Bridging Prior Shift in Realistic Few-Shot Crop-Type Classification
von: Reuss, Joana, et al.
Veröffentlicht: (2025)

Mind the Gap: a Spectral Analysis of Rank Collapse and Signal Propagation in Attention Layers
von: Saada, Thiziri Nait, et al.
Veröffentlicht: (2024)

MAPLE: Self-Supervised Learning-Enhanced Nonlinear Dimensionality Reduction for Visual Analysis
von: Huang, Zeyang, et al.
Veröffentlicht: (2026)

ArtifactLinker: Linking Scientific Artifacts for Automatic State-of-the-Art Discovery
von: Yu, Haofei, et al.
Veröffentlicht: (2026)

Class Angular Distortion Index for Dimensionality Reduction
von: Gunaratne, Kaviru, et al.
Veröffentlicht: (2026)

ESPACE: Dimensionality Reduction of Activations for Model Compression
von: Sakr, Charbel, et al.
Veröffentlicht: (2024)

Dimensionality Reduction on Riemannian Manifolds in Data Analysis
von: Ichi, Alaa El, et al.
Veröffentlicht: (2026)

Mind the Gap: A Practical Attack on GGUF Quantization
von: Egashira, Kazuki, et al.
Veröffentlicht: (2025)

Mind the Gap: Mixtures of Gaussians in Approximate Differential Privacy
von: Liu, Huikang, et al.
Veröffentlicht: (2026)

Mind the Gap: Examining the Self-Improvement Capabilities of Large Language Models
von: Song, Yuda, et al.
Veröffentlicht: (2024)

Mind the Gap: A Framework for Assessing Pitfalls in Multimodal Active Learning
von: Eisenhardt, Dustin, et al.
Veröffentlicht: (2026)

Mind the Sim-to-Real Gap & Think Like a Scientist
von: Parikh, Harsh, et al.
Veröffentlicht: (2026)

Mind the Data Gap: Bridging LLMs to Enterprise Data Integration
von: Kayali, Moe, et al.
Veröffentlicht: (2024)

DimVis: Interpreting Visual Clusters in Dimensionality Reduction With Explainable Boosting Machine
von: Salmanian, Parisa, et al.
Veröffentlicht: (2024)

Gradient Boosting Mapping for Dimensionality Reduction and Feature Extraction
von: Patron, Anri, et al.
Veröffentlicht: (2024)

Deep Invertible Autoencoders for Dimensionality Reduction of Dynamical Systems
von: Botteghi, Nicolò, et al.
Veröffentlicht: (2026)

Nonnegative Matrix Factorization in Dimensionality Reduction: A Survey
von: Saberi-Movahed, Farid, et al.
Veröffentlicht: (2024)

Reformulation of RBM to Unify Linear and Nonlinear Dimensionality Reduction
von: You, Jiangsheng, et al.
Veröffentlicht: (2019)

DiffRed: Dimensionality Reduction guided by stable rank
von: Shukla, Prarabdh, et al.
Veröffentlicht: (2024)