Saltar al contenido
VuFind
  • Entrar
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Avanzado
  • Citar
  • Describir
  • Enviar este por Correo electrónico
  • Imprimir
  • Exportar Registro
    • Exportar a RefWorks
    • Exportar a EndNoteWeb
    • Exportar a EndNote
  • Agregar a favoritos
  • Enlace Permanente
Imagen de Portada

Guardado en:
Detalles Bibliográficos
Autores principales: Hou, Yuchao, Zhang, Zixuan, Wang, Jie, Huang, Wenke, Liang, Lianhui, Wu, Di, Liu, Zhiquan, Tian, Youliang, Zhu, Jianming, Dang, Jisheng, Dong, Junhao, Guo, Zhongliang
Formato: Preprint
Publicado: 2025
Materias:
Cryptography and Security
Computer Vision and Pattern Recognition
Machine Learning
Acceso en línea:https://arxiv.org/abs/2601.00900
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
  • Existencias
  • Descripción
  • Tabla de Contenidos
  • Comentarios
  • Ejemplares similares
  • Vista Equipo

Internet

https://arxiv.org/abs/2601.00900

Ejemplares similares

  • SafeSteer: Adaptive Subspace Steering for Efficient Jailbreak Defense in Vision-Language Models
    por: Zeng, Xiyu, et al.
    Publicado: (2025)
  • Traceable AI-driven Avatars Using Multi-factors of Physical World and Metaverse
    por: Yang, Kedi, et al.
    Publicado: (2024)
  • BDPFL: Backdoor Defense for Personalized Federated Learning via Explainable Distillation
    por: Zhu, Chengcheng, et al.
    Publicado: (2025)
  • An Anti-disguise Authentication System Using the First Impression of Avatar in Metaverse
    por: Zhang, Zhenyong, et al.
    Publicado: (2024)
  • FPT-Noise: Dynamic Scene-Aware Counterattack for Test-Time Adversarial Defense in Vision-Language Models
    por: Deng, Jia, et al.
    Publicado: (2025)

Opciones de búsqueda

  • Historial de Búsqueda
  • Búsqueda Avanzada

Buscar Más

  • Revisar el Catálogo
  • Lista Alfabética
  • Explorar canales
  • Reservas de Curso
  • Nuevos ejemplares

¿Necesita Ayuda?

  • Consejos de búsqueda
  • Consulte a un Bibliotecario
  • Preguntas Frecuentes