Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 10.06.2026 / Gültig für gebrauchte Bücher / Mindestbestellwert 20,00 € / Einzelne Artikel können ausgeschlossen sein / Online auf www.bücher.de.de / Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen / Nur einmal pro Einkauf einlösbar / Gutschein wird auf max. 500€ Bestellwert angerechnet / Keine Barauszahlung / Nicht gültig für Versandkosten und Services
Produktbild: Computer Vision – ECCV 2024 Workshops
Band 15643

Computer Vision – ECCV 2024 Workshops Milan, Italy, September 29–October 4, 2024, Proceedings, Part XXI

Aus der Reihe Lecture Notes in Computer Science

79,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

31.05.2025

Abbildungen

LV, 132 illus., 129 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Alessio Del Bue + weitere

Verlag

Springer

Seitenzahl

454

Maße (L/B/H)

23,5/15,5/2,8 cm

Gewicht

768 g

Sprache

Englisch

ISBN

978-3-031-92647-1

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

31.05.2025

Abbildungen

LV, 132 illus., 129 illus. in color., schwarz-weiss Illustrationen, farbige Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

454

Maße (L/B/H)

23,5/15,5/2,8 cm

Gewicht

768 g

Sprache

Englisch

ISBN

978-3-031-92647-1

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: [email protected]

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Computer Vision – ECCV 2024 Workshops

  • FALCON: Fair Active Learning for Content Moderation.- Generalizing Fairness to Generative Language Models via Reformulation of Non-discrimination Criteria.- Beyond the Surface: A Comprehensive Analysis of Implicit Bias in Vision-Language Models.- Fairness of AI Systems in the Legal Context.- DebiasPI: Inference-time Debiasing by Prompt Iteration of a Text-to-Image Generative Model.- Fairness Under Cover: Evaluating the Impact of Occlusions on Demographic Bias in Facial Recognition.- Prompt and Prejudice.- Localization-Guided Supervision for Robust Medical Image Classification by Vision Transformers.- Top-GAP: Integrating Size Priors in CNNs for more Interpretability, Robustness, and Bias Mitigation.- Pruning By Explaining Revisited: Optimizing Attribution Methods to Prune CNNs and Transformers.- 

    An Investigation on The Position Encoding in Vision-Based Dynamics Prediction.- What could go wrong? Discovering and describing failure modes in computer vision.- Image-guided topic modeling for interpretable privacy classification.- Integrating Local and Global Interpretability for Deep Concept-Based Reasoning Models.- From Flexibility to Manipulation: The Slippery Slope of XAI Evaluation.- Feature Contribution in Monocular Depth Estimation.- Concept-Based Explanations in Computer Vision: Where Are We and Where Could We Go?.- Explanation Alignment: Quantifying the Correctness of Model Reasoning At Scale.- Detect Fake with Fake: Leveraging Synthetic Data-driven Representation

    for Synthetic Image Detection.- Incremental and Decremental Continual Learning for Privacy-preserving

    Video Recognition.- Exploring Strengths and Weaknesses of Super-Resolution Attack in Deepfake

    Detection.- Are CLIP features all you need for Universal Synthetic Image Origin Attribution?.- GLoFool: global enhancements and local perturbations to craft adversarial images.- Evolution of Detection Performance throughout the Online Lifespan of Synthetic Images.- Your diffusion model is an implicit synthetic image detector.- The Phantom Menace: Unmasking Privacy Leakages in Vision-Language

    Models.