Authors · raw publication identity
Toshihiko Yamasaki
2022–2026 LIVE
データの修正を申請Googleログイン後に申請できます。内容を確認してから対応します。
対象会議の検証済み掲載データを、全分野・選択したEditionでまとめています。過去の論文は出版・論文種別・著者との対応を確認できたものから追加しており、全発表論文の網羅を保証するものではありません。著者ページだけへの追加分は大学ランキングの件数に含みません。著者ページは、公開時の所属大学IDと論文上の著者名の完全一致を基に作成しています。本人の業績一覧などで同一人物の論文と個別に確認できた場合は、所属が異なる論文も追加します。氏名だけの自動名寄せは行いません。表示する大学はこのページの識別用で、掲載した全論文の出版時所属や現在所属を示すものではありません。研究者の総合順位を表すものでもありません。
著者ページの大学: 東京大学 · Top conference papers: 21
分野別内訳
分野別の本数はcross-listにより重なる場合があります。合計本数は同一論文を1本に数えます。
論文一覧（新しい年順）
- Difficulty Controlled Diffusion Model for Synthesizing Effective Training Data
- Continual Distillation of Teachers from Different Domains
- Mirai: Autoregressive Visual Generation Needs Foresight
- Unified Vector Floorplan Generation via Markup Representation
- 360CityArena: A Realistic Virtual Urban Navigation Benchmark for Embodied Agents
- FillGS: Filling Observation Gaps in 4D Gaussian Splatting via Viewpoint-Time Selection and Generative Refinement
- Synesthesia via Direct Latent Augmentation: Bypassing the Decode-Encode Loop for Cross-Modal Distillation
- Adversarially Pretrained Transformers May Be Universally Robust In-Context Learners
- Training-Free Determination of Network Width via Neural Tangent Kernel
- CE-FAM: Concept-Based Explanation via Fusion of Activation Maps
- Face2Diffusion for Fast and Editable Face Personalization
- Improving Plasticity in Online Continual Learning via Collaborative Learning
- SCOMatch: Alleviating Overtrusting in Open-set Semi-supervised Learning
- Theoretical Understanding of Learning from Adversarial Perturbations
- Rethinking Momentum Knowledge Distillation in Online Continual Learning
- Dealing with Synthetic Data Contamination in Online Continual Learning
- Wide Two-Layer Networks can Learn from Adversarial Perturbations
- Adversarial Training from Mean Field Perspective
- Detecting Deepfakes With Self-Blended Images
- Learning Where To Learn in Cross-View Self-Supervised Learning
- Green Hierarchical Vision Transformer for Masked Image Modeling