shape bias | BriefGPT - AI 论文速递

关键词shape bias

搜索结果 - 14

关于形状偏差、准确性和鲁棒性之间关系的澄清
通过评估 39 种数据增强类型对广泛使用的 OOD 数据集的影响，证明了每种数据增强对模型对 OOD 数据的鲁棒性的影响，并进一步证明了所述假设不成立；形状偏差的增加不一定导致更高的 OOD 鲁棒性。通过分析结果，还发现 ImageNet-
PDFa month ago
CVPR文本到图像扩散模型是优秀的素描照片匹配工具
这篇论文首次探索了用于零样本基于草图的图像检索的文本到图像扩散模型，发现其能够无缝地弥合草图与照片之间的差距，利用交叉模态能力和形状倾向性，通过我们的初步研究得到验证。为了有效利用预训练的扩散模型，我们引入了一种简单而有效的策略，着重于两个
PDF4 months ago
利用合成数据集：深度神经网络泛化中的形状偏向作用
最近的深度学习研究主要受制于使用基于越来越大数据集训练的大型模型。然而，对广泛数据集的需求增加引发了一些担忧。针对此问题，新的研究方向出现了，专注于创建合成数据以替代真实数据。在本研究中，我们调查了神经网络在合成数据集上训练时展示的形状偏差
PDF8 months ago
卷积神经网络中通过激活稀疏性出现的形状偏差
稀疏编码通过非可微的 Top-K 操作实施了对网络的结构编码，使得卷积神经网络中的神经元能够对物体进行部分和亚部分的平滑分解，并赋予网络形状偏差。
PDF8 months ago
利用子网络注入归纳偏置
通过机械式子任务诱导方法，在训练模型中实现特定的子任务以引入归纳偏差，以减少训练数据量并成功诱导出人类类似的形状偏差。
PDF9 months ago
抗风格迁移是否等于形状偏好？通过扭曲形状评估形状偏好
通过使用风格转换图像评估模型的形状偏差，我们发现使用风格转换图像训练的网络确实学会忽略风格，但其形状偏差主要来自局部形状。我们提供了一个扭曲形状测试平台（DiST）作为对全局形状敏感性的替代测量。通过 DiST 图像训练，可以在保持模型对标
PDF9 months ago
CVPR对抗训练下类人行为的扩展研究
本文探讨了神经网络对分布偏移的敏感性问题解决方案中的对抗训练，以及了解到神经网络与人类理解不同的处理方式，更进一步地研究对抗训练对于神经网络偏向形状的影响并给出可能的解释，从频率角度分析了其效果。
PDFa year ago
深度学习在皮肤镜皮肤病分类中的形状偏差再探讨
本文通过对不同皮肤病例数据集的分析，指出了在皮肤病图像分类方面，深层模型中的 shape-bias 标准并不一定适用。实验结果表明，皮肤病图像的分类并非基于个别特征，而是需要考虑诸多特征的组合。因此，不使用 shape-bias 标准有时候
PDF2 years ago
机器对形状与纹理的偏好：发育启发视角的探讨
该文使用类似于发育阶段的范式，检测了预训练神经网络在识别形状和纹理时的归纳偏好。实验结果表明，这些神经网络更倾向于基于形状而非纹理进行分类。
PDF2 years ago
ICCV基于震荡图嵌入的形状偏向域通用化
该论文研究表明，图像卷积神经网络的不足与纹理偏差有关，而相对缺乏形状偏差则导致了域通用性的不良表现。通过使用经典的计算机视觉方法，即使用轮廓图的震荡图表示图像的轮廓内容，来显式和完整地表示图像形状，进而使用最近的图神经网络方法进行分类，实验
PDF3 years ago
ICLR增强的形状偏差能否提高神经网络对常见污染的鲁棒性？
通过对自然图像进行样式和边缘特征的处理，对卷积神经网络进行数据增强可以减少纹理偏差并增加形状偏差，从而提高其鲁棒性。
PDF3 years ago
面向形状偏向的领域通用无监督表示学习
本研究提出了一种自我监督学习框架，通过整合领域多样性和拼图等方式，学习语义和形状倾向的表示，可用于领域泛化。实验结果表明，该框架明显优于现有的领域泛化方法。
PDF5 years ago
评估卷积神经网络的形状偏差特性
本文探讨了卷积神经网络的形状偏差属性，通过使用将亮度反转的负图像等度量方法评估 CNNs 的形状偏差属性，进行大规模实验并研究了不同因素，如训练数据、模型架构、初始化和规则化技术，对 CNNs 形状偏差属性的作用。结果表明，CNNs 不会固
PDF6 years ago
ICML深度神经网络的认知心理学：基于形状偏差案例研究
本文提出利用认知心理学的问题描述、理论和实验方法来解决现代深度神经网络的可解释性问题，并将发展心理学中关于儿童如何学习物体名称的分析应用到 DNN 模型中。发现在 ImageNet 分类任务上，表现良好的一次性学习模型也存在类似人类倾向于按
PDF7 years ago