实体
ImageNet-S
ImageNet-S
PulseAugur coverage of ImageNet-S — every cluster mentioning ImageNet-S across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的训练方法增强了视觉模型的泛化能力和鲁棒性
研究人员开发了一种名为子集选择的反事实增强（SS-CA）的新训练方法，以提高视觉模型的因果推理能力。该技术使用归因方法来识别模型预测中的关键区域，然后通过数据增强来修改这些区域。通过在原始样本和增强样本上进行训练，SS-CA旨在减轻不完全的因果学习，并提高在各种基准测试上的泛化能力，包括分布外数据集和噪声等扰动下的性能。
-
BareBones基准测试揭示视觉语言模型存在纹理偏差断崖
研究人员推出了BareBones，一个旨在测试视觉语言模型（VLMs）几何理解能力的新基准测试。该基准测试使用像素级轮廓来评估VLMs是否能独立于视觉纹理或上下文信息来理解几何结构。对包括GPT-4.1和Gemini在内的26个领先VLMs的评估显示，在移除视觉纹理后，性能出现显著下降，这种现象被称为“纹理偏差断崖”。