Zobrazeno 1 - 10
of 217
pro vyhledávání: '"Anjaria P"'
Autor:
Khurdula, Harsha Vardhan, Rizk, Basem, Khaitan, Indus, Anjaria, Janit, Srivastava, Aviral, Khaitan, Rajvardhan
Current benchmarks for evaluating Vision Language Models (VLMs) often fall short in thoroughly assessing model abilities to understand and process complex visual and textual content. They typically focus on simple tasks that do not require deep reaso
Externí odkaz:
http://arxiv.org/abs/2411.15201
Autor:
Kushal Anjaria
Publikováno v:
International Journal of Information Management Data Insights, Vol 4, Iss 2, Pp 100243- (2024)
Environmental stewardship and sustainability have become critical priorities in the contemporary business environment. Corporations are integrating sustainable practices at the business process level via Sustainable Enterprise Resource Planning (S-ER
Externí odkaz:
https://doaj.org/article/e9bc47b36e604623ae1a0b8bdd2fa1de
Autor:
Mishra, Shlok, Shah, Anshul, Bansal, Ankan, Jagannatha, Abhyuday, Anjaria, Janit, Sharma, Abhishek, Jacobs, David, Krishnan, Dilip
Publikováno v:
Transactions on Machine Learning Research 2022
A core component of the recent success of self-supervised learning is cropping data augmentation, which selects sub-regions of an image to be used as positive views in the self-supervised loss. The underlying assumption is that randomly cropped and r
Externí odkaz:
http://arxiv.org/abs/2112.00319
Autor:
Mishra, Shlok, Shah, Anshul, Bansal, Ankan, Anjaria, Janit, Choi, Jonghyun, Shrivastava, Abhinav, Sharma, Abhishek, Jacobs, David
Publikováno v:
BMVC 2022
Recent literature has shown that features obtained from supervised training of CNNs may over-emphasize texture rather than encoding high-level information. In self-supervised learning in particular, texture as a low-level cue may provide shortcuts th
Externí odkaz:
http://arxiv.org/abs/2011.01901
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Kushal Anjaria
Publikováno v:
International Journal of Computational Intelligence Systems, Vol 16, Iss 1, Pp 1-25 (2023)
Abstract The Delphi technique is an indispensable instrument for technology forecasting. The method is, however, limited by ambiguity aversion, uncertainty, and statistical optimism/pessimism bias. To address the aforementioned limitations, we have p
Externí odkaz:
https://doaj.org/article/95739314a6154a81bda788a89a66a35b
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.