Assessing Visually-Continuous Corruption Robustness of Neural Networks Relative to Human Performance

Huakun Shen, Boyue Caroline Hu, Krzysztof Czarnecki, Lina Marsso et Marsha Chećhik

Communication écrite (2025)

Document publié alors que les auteurs ou autrices n'étaient pas affiliés à Polytechnique Montréal

Un lien externe est disponible pour ce document

Département:	Département de génie informatique et génie logiciel
URL de PolyPublie:	https://publications.polymtl.ca/66921/
Nom de la conférence:	IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2025)
Lieu de la conférence:	Tucson, AZ, USA
Date(s) de la conférence:	2025-02-26 - 2025-03-06
DOI:	10.1109/wacv61041.2025.00614
URL officielle:	https://doi.org/10.1109/wacv61041.2025.00614
Date du dépôt:	29 juil. 2025 11:21
Dernière modification:	29 juil. 2025 11:21

Citer en APA 7:	Shen, H., Caroline Hu, B., Czarnecki, K., Marsso, L., & Chećhik, M. (février 2025). Assessing Visually-Continuous Corruption Robustness of Neural Networks Relative to Human Performance [Communication écrite]. IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2025), Tucson, AZ, USA. https://doi.org/10.1109/wacv61041.2025.00614
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel