Towards Causal VQA: Revealing and Reducing Spurious Correlations by Invariant 
and Covariant Semantic Editing

Agarwal, Vedika; Shetty, Rakshith; Fritz, Mario

doi:10.1109/CVPR42600.2020.00971

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Konferenzbeitrag

Towards Causal VQA: Revealing and Reducing Spurious Correlations by Invariant and Covariant Semantic Editing

MPG-Autoren

/persons/resource/persons243834

Agarwal, Vedika
Computer Vision and Machine Learning, MPI for Informatics, Max Planck Society;

/persons/resource/persons206357

Shetty, Rakshith
Computer Vision and Machine Learning, MPI for Informatics, Max Planck Society;

Externe Ressourcen

Es sind keine externen Ressourcen hinterlegt

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Agarwal, V., Shetty, R., & Fritz, M. (2020). Towards Causal VQA: Revealing and Reducing Spurious Correlations by Invariant and Covariant Semantic Editing. In IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 9687-9695). Piscataway, NJ: IEEE. doi:10.1109/CVPR42600.2020.00971.

Zitierlink: https://hdl.handle.net/21.11116/0000-0005-7482-5

Zusammenfassung

Es ist keine Zusammenfassung verfügbar