Muzammal Naseer

視覚と言語を組み合わせた基盤モデルをいろんなアプリに使うために検討中。

新しい技術が医療画像ツールの信頼性を有害なデータ改変から向上させる。

事前ラベルなしで幅広い語彙を使って画像を分類する新しいフレームワーク。

FLIPは、言語とビジョントランスフォーマーを使って顔のアンチスプーフィングシステムを強化する。

ProTextは、テキストだけのデータを使って視覚と言語のモデルを強化し、タスクの処理をより良くするんだ。

モデルの頑健性を理解することは、さまざまな分野での実世界のアプリケーションにとって重要だよ。

新しいフレームワークがビデオ検索を改善して、ビジュアルと詳しい言語の説明を組み合わせるよ。

ラベルなしで画像や3Dポイントクラウドを使って物体を分類する方法を学ぼう。

高度な動画理解モデルの能力と課題を評価する。

研究が医療における敵対的攻撃に対するセグメンテーションモデルの堅牢性を調べている。

この記事では、ビジュアルステートスペースモデルがビジュアルの課題にどう対処するかを探る。

VANE-Benchは、増え続けるAIコンテンツの中で動画の異常検出を強化するんだ。

連携学習による医療分野でのコラボは、プライバシーを守りつつ医療画像の分類を向上させるよ。

新しい手法がバックドア攻撃を通じて医療モデルの脆弱性を暴露してる。

新しい方法は、メイクを使って顔認識システムのプライバシーを強化するんだ。

PromptSmoothは、敵対的攻撃に対するMed-VLMの精度を効率的に向上させる。

StableMambaは、画像とビデオ処理を強化して、より安定性とパフォーマンスを向上させるよ。

新しいツールが、時間とともに衛星画像の変化をどう説明するかを改善してるよ。

新しいデータセットが医療画像とその説明の分析を革新する。