本研究提出了一种名为 DCD 的新型动态对比蒸馏框架，用于压缩大型 VLP 模型以改善跨模态图像文本检索（ITR）的效率和部署，其中涉及多模态对比学习、动态蒸馏等技术，实验证明在 MS-COCO 和 Flickr30K 基准上，将 DCD 策略应用于两种最先进的视觉语言预训练模型 VILT 和 METER 可加快推断至少 129 倍。

Jul, 2022

该研究提出了一种基于可视化分析系统 VATLD 的交通灯检测方法，该方法整合了解缠绕表示学习和语义对抗学习，以评估和改进自动驾驶应用中交通灯检测器的精度和鲁棒性。

Sep, 2020

本文探索了影响视觉语言模型组合推理性能的两个因素：对齐图像 - 文本数据集的质量和文本的密度。通过在 CC3M 数据集上 fine-tuning CLIP 模型，我们证明了自动处理这些影响因素的方法可以使模型的组合推理性能显著提高，基于基线模型的表现增加了约 20％，平均提高 6.7％。

May, 2023

本研究提出了一种基于上下文一致性规则学习的深度神经网络攻击检测方法，通过建立了一组自动编码器来检测违反上下文一致性规则的对抗扰动，实验证明该方法可以有效检测各种对抗攻击。

Jul, 2020

通过使用语言模型，我们开发了一种新方法来检测图像义务的一致性，即在自然场景的语言描述中捕捉物体共现关系，这种方法不仅适用于特定模型，而且对于多个物体的实际场景中检测对抗性样本具有非常高的精度。

Aug, 2021

该论文提出了一种基于无标签干扰数据集训练深度卷积神经网络的新型框架，并使用一个无向图模型来描述干净和嘈杂标签之间的关系，在监督学习过程中学习这个模型。该模型在图像标注问题上应用，并在 CIFAR-10 和 MS COCO 数据集上展示出有效的标注效果和在训练中实现了减少标签噪声的效果。

May, 2017

视觉问答研究需要系统能够根据图像和自然语言问题提供准确的自然语言答案。然而，先前的通用 VQA 方法普遍存在记忆训练数据中的偏见而不是学习正确行为（如在预测答案之前进行图像建立联系）。因此，这些方法通常在分布内获得高性能但在分布外获得低性能。最近几年，已经提出了各种数据集和去偏见方法来评估和增强 VQA 的稳健性。本文提供了关于这一新兴领域的首个综述，重点讨论视觉问答中的这些问题。具体来说，首先概述了数据集的发展过程，从分布内和分布外的角度进行了分析。然后，研究了这些数据集使用的评估指标。第三，提出了一种类型学，介绍了现有去偏见方法的发展过程、相似之处与差异、稳健性比较和技术特征。此外，分析和讨论了 VQA 中代表性视觉与语言预训练模型的稳健性。最后，通过对现有文献的彻底审查和实验分析，从各个角度探讨了未来研究的关键领域。

Jul, 2023

研究提出 V-LoL 数据集，将视觉和逻辑挑战相结合，探索 AI 系统在视觉逻辑学习方面的能力，并在传统符号 AI、神经网络 AI 和神经符号 AI 领域进行多种技术的评估。

Jun, 2023

本研究提出了一种基于 Brownian 距离协方差的 BDC-Adapter 方法，通过模拟所有可能关系以测量特征依赖性，在执行分类任务时可以灵活处理非线性关系并充分表征独立性，实验证明其在性能上大幅超过了当前最先进的方法。

Sep, 2023

通过深度学习模型，在扩散模型中使用深度数据一致性更新数据一致性步骤，以解决逆问题的研究论文。DDC 方法在线性和非线性任务中表现出卓越的性能，在仅使用 5 个推理步骤的情况下，平均 0.77 秒生成高质量解决方案，并且具有对于数据集的稳健性和解决多个任务的能力。

May, 2024