本研究介绍了ImageNet Large Scale Visual Recognition Challenge数据集的创建及在对象识别方面的进展，强调了收集大规模地面真实注释的挑战，分析了大规模图像分类和目标检测领域的现状，并将最先进的计算机视觉准确性与人类准确性进行了比较。最后总结了挑战五年来的经验教训，并提出了未来方向和改进措施。

Sep, 2014

开发了一种新的视觉模型，该模型能够通过视觉属性识别抗议者、描述他们的活动并估计在图像中所表现的暴力水平。通过分析从2013年到2017年的地理标记推文以及它们的图像，采用多任务卷积神经网络自动分类出图像中的抗议者，并预测视觉属性、感知的暴力和展示的情绪，并发布了包含40,764张图像的 UCLA 抗议图像数据集及相关注释。

Sep, 2017

本文介绍了基于计算机视觉和深度学习的自动化方法，用于分析大规模的图像数据，并说明了它们的用途和实现。进一步地讨论了这些方法和结果的验证和解释，以及它们如何对政治传播、身份与政治、发展和冲突的研究做出贡献，从而启用了一系列的大规模研究问题。

Oct, 2018

利用深度学习技术分析社交媒体数据来检测社会动荡，并通过地图可视化展示全国各地的抗议行为，以加强对城市化地区重要社会问题的理解。

Jan, 2023

计算机视觉领域的研究论文针对抽象社会概念检测问题，通过对高层视觉理解和计算机视觉任务的研究和聚类，提供了对抽象概念识别的系统回顾。

Aug, 2023

给定一张图片的黑盒图像分类器的输出，我们描述了一种基于因果理论的算法和工具REX，用于计算该图像的多个解释，并通过实验证明REX在ImageNet-mini基准测试上能够找到比之前方法多7倍的图像的多个解释。

Sep, 2023

通过扩散模型生成多个包含不同种族标签的职业图像集，我们发现使用非高加索标签生成的图像的职业错误分类率显著高于使用高加索标签生成的图像，且部分错误分类表明存在种族偏见。通过计算对不同身份群体预测的真实职业标签的概率标准差，我们测量了模型的公平性。使用这个公平性指标，我们发现在评估的视觉和语言模型之间存在显著差异。我们希望我们的研究展示了使用扩散方法进行公平性评估的潜在价值。

Nov, 2023

大型语言和视觉模型已经改变了社会运动学者如何识别抗议活动并从多模态数据中提取关键的抗议属性。本文描述了我们如何通过对大规模预训练的转换器模型（包括longformer和swin-transformer v2）进行微调，使用文本和图像数据来推断新闻文章中的潜在抗议活动。我们为下游任务使用Dynamic of Collective Action (DoCA) Corpus训练了longformer模型，并将纽约时报文章与DoCA数据库匹配，以获取训练数据集。我们还使用了UCLA-protest图像数据对swin-transformer v2模型进行了训练。我们通过https://github.com/Joshzyj/llvms4protest发布了这篇简短的技术报告，供对使用LLVMs来推断文本和图像数据中的抗议活动感兴趣的社会运动学者使用。

Nov, 2023

该研究旨在提高政治科学领域利用Gemini进行图像内容分析的可行性认识。通过对一个包含688幅图像的语料库进行回顾性分析，我们发现Gemini在执行物体检测方面非常准确，而物体检测是政治科学图像分析中最常见和基础的任务。同样重要的是，我们展示了Gemini的易用性，整个命令只需一个自然语言提示，运行速度快，能满足大多数研究者的时间预算，且免费使用，不需要任何专门的硬件。此外，我们还说明了政治科学家如何利用Gemini进行其他图像理解任务，包括人脸识别、情感分析和标题生成。研究结果表明，Gemini和其他类似的大语言模型有潜力在政治科学和社会科学等领域大幅刺激和加速图像研究。

Feb, 2024

本研究针对计算机视觉系统中的公平性问题，概述了当前存在的歧视性偏见及其来源，并提出了相应的缓解方法。这项综述整合了相关的研究动态与资源，强调了认识和消除偏见的重要性，以及未来研究的潜在方向。

Aug, 2024