Buchumschlag

Divide and Conquer: Object Co-occurrence Helps Mitigate Simplicity Bias in OOD Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dai, Boyang, Chen, Chaoqi, Yu, Yizhou
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CGSA: Class-Guided Slot-Aware Adaptation for Source-Free Object Detection
von: Dai, Boyang, et al.
Veröffentlicht: (2026)

Proto-OOD: Enhancing OOD Object Detection with Prototype Feature Similarity
von: Chen, Junkun, et al.
Veröffentlicht: (2024)

Visual Para-Thinker: Divide-and-Conquer Reasoning for Visual Comprehension
von: Xu, Haoran, et al.
Veröffentlicht: (2026)

Divide and Conquer: Heterogeneous Noise Integration for Diffusion-based Adversarial Purification
von: Pei, Gaozheng, et al.
Veröffentlicht: (2025)

Divide and Conquer: Rethinking the Training Paradigm of Neural Radiance Fields
von: Ma, Rongkai, et al.
Veröffentlicht: (2024)

Divide and Conquer: Static-Dynamic Collaboration for Few-Shot Class-Incremental Learning
von: Bao, Kexin, et al.
Veröffentlicht: (2026)

Synthetic Simplicity: Unveiling Bias in Medical Data Augmentation
von: Babu, Krishan Agyakari Raja, et al.
Veröffentlicht: (2024)

Mitigating Context Bias in Domain Adaptation for Object Detection using Mask Pooling
von: Son, Hojun, et al.
Veröffentlicht: (2025)

Divide-and-Conquer Inference for Large-Scale Visual Recognition with Multimodal Large Language Models
von: Ye, Zhipeng, et al.
Veröffentlicht: (2026)

A Modern Look at Simplicity Bias in Image Classification Tasks
von: Chang, Xiaoguang, et al.
Veröffentlicht: (2025)

DCA: Dividing and Conquering Amnesia in Incremental Object Detection
von: Zhang, Aoting, et al.
Veröffentlicht: (2025)

Mitigating Query Selection Bias in Referring Video Object Segmentation
von: Zhang, Dingwei, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Prompt for OOD Detection
von: Han, Ruisong, et al.
Veröffentlicht: (2025)

DC-Net: Divide-and-Conquer for Salient Object Detection
von: Zhu, Jiayi, et al.
Veröffentlicht: (2023)

Feature-Space Semantic Invariance: Enhanced OOD Detection for Open-Set Domain Generalization
von: Wang, Haoliang, et al.
Veröffentlicht: (2024)

A Survey on Graph Neural Networks and Graph Transformers in Computer Vision: A Task-Oriented Perspective
von: Chen, Chaoqi, et al.
Veröffentlicht: (2022)

Mitigating Long-Tail Bias in HOI Detection via Adaptive Diversity Cache
von: Jiang, Yuqiu, et al.
Veröffentlicht: (2025)

Divide and Conquer Self-Supervised Learning for High-Content Imaging
von: Farndale, Lucas, et al.
Veröffentlicht: (2025)

Conjugated Semantic Pool Improves OOD Detection with Pre-trained Vision-Language Models
von: Chen, Mengyuan, et al.
Veröffentlicht: (2024)

An Empirical Analysis of VLM-based OOD Detection: Mechanisms, Advantages, and Sensitivity
von: Lee, Yuxiao, et al.
Veröffentlicht: (2025)

Attention at Rest Stays at Rest: Breaking Visual Inertia for Cognitive Hallucination Mitigation
von: Gong, Boyang, et al.
Veröffentlicht: (2026)

Changing the Training Data Distribution to Reduce Simplicity Bias Improves In-distribution Generalization
von: Nguyen, Dang, et al.
Veröffentlicht: (2024)

GroundCount: Grounding Vision-Language Models with Object Detection for Mitigating Counting Hallucinations
von: Chen, Boyuan, et al.
Veröffentlicht: (2026)

Prototype Fusion: A Training-Free Multi-Layer Approach to OOD Detection
von: Gul, Shreen, et al.
Veröffentlicht: (2026)

Bias Detection and Rotation-Robustness Mitigation in Vision-Language Models and Generative Image Models
von: Mithila, Tarannum
Veröffentlicht: (2026)

Quantifying Context Bias in Domain Adaptation for Object Detection
von: Son, Hojun, et al.
Veröffentlicht: (2024)

TTA-OOD: Test-time Augmentation for Improving Out-of-Distribution Detection in Gastrointestinal Vision
von: Pokhrel, Sandesh, et al.
Veröffentlicht: (2024)

DINOv3 Meets YOLO26 for Weed Detection in Vegetable Crops
von: Deng, Boyang, et al.
Veröffentlicht: (2026)

Overcoming the Pitfalls of Vision-Language Model Finetuning for OOD Generalization
von: Zang, Yuhang, et al.
Veröffentlicht: (2024)

Scalable Ensemble Diversification for OOD Generalization and Detection
von: Rubinstein, Alexander, et al.
Veröffentlicht: (2024)

Pursuing Better Decision Boundaries for Long-Tailed Object Detection via Category Information Amount
von: Ma, Yanbiao, et al.
Veröffentlicht: (2025)

From Detection to Mitigation: Addressing Bias in Deep Learning Models for Chest X-Ray Diagnosis
von: Mottez, Clemence, et al.
Veröffentlicht: (2025)

ST-SimDiff: Balancing Spatiotemporal Similarity and Difference for Efficient Video Understanding with MLLMs
von: Luo, Bingjun, et al.
Veröffentlicht: (2026)

Causally-Grounded Dual-Path Attention Intervention for Object Hallucination Mitigation in LVLMs
von: Yu, Liu, et al.
Veröffentlicht: (2025)

BAMI: Training-Free Bias Mitigation in GUI Grounding
von: Zhang, Borui, et al.
Veröffentlicht: (2026)

CMOOD: Concept-based Multi-label OOD Detection
von: Liu, Zhendong, et al.
Veröffentlicht: (2024)

A Geometric Explanation of the Likelihood OOD Detection Paradox
von: Kamkari, Hamidreza, et al.
Veröffentlicht: (2024)

Co-Fusion4D: Spatio-temporal Collaborative Fusion for Robust 3D Object Detection
von: Li, Wenxuan, et al.
Veröffentlicht: (2026)

A Bayesian Approach to OOD Robustness in Image Classification
von: Kaushik, Prakhar, et al.
Veröffentlicht: (2024)

Mitigating Easy Option Bias in Multiple-Choice Question Answering
von: Zhang, Hao, et al.
Veröffentlicht: (2025)