Authors · raw publication identity
Yuta Nakashima
2022–2026 LIVE
日本の大学への公開時点の所属を確認できた著者表記を掲載しています。大学IDと完全一致の著者名でまとめており、人物の名寄せはしていません。同名別人や表記違いの可能性があり、現在所属・全業績・研究者の総合順位を表すものではありません。
公開時所属: 大阪大学 · Top conference papers: 20
印刷日： 全論文
出典：https://topcsuniv.org/japan/authors/89d5e89ec1deffb42a03/
論文上の著者表記・公開時所属による集計です。人物の名寄せ・現在所属・全業績を表すものではありません。
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
- QuMAB: Query-based Multi-annotator Behavior Pattern Learning
- SimLabel: Similarity-Weighted Semi-supervision for Multi-annotator Learning with Missing Labels
- EMMA: Concept Erasure Benchmark with Comprehensive Semantic Metrics and Diverse Categories
日本大学: 大阪大学
- Gender Bias in Vision-Language In-Context Learning
日本大学: 大阪大学
- Measure Twice, Cut Once: A Semantic-Oriented Approach to Video Temporal Localization with Video LLMs
日本大学: 大阪大学
- Putting People in LLMs’ Shoes: Generating Better Answers via Question Rewriter
日本大学: 大阪大学
- Processing and acquisition traces in visual encoders: What does CLIP know about your camera?
日本大学: 大阪大学
- Taming the Untamed: Graph-Based Knowledge Retrieval and Reasoning for MLLMs to Conquer the Unknown
日本大学: 大阪大学
- SANER: Annotation-free Societal Attribute Neutralizer for Debiasing CLIP
日本大学: 大阪大学
- Would Deep Generative Models Amplify Bias in Future Models?
日本大学: 大阪大学
- From Descriptive Richness to Bias: Unveiling the Dark Side of Generative Image Caption Enrichment
日本大学: 大阪大学
- Resampled Datasets Are Not Enough: Mitigating Societal Bias Beyond Single Attributes
日本大学: 大阪大学
- Learning Bottleneck Concepts in Image Classification
日本大学: 大阪大学
- Model-Agnostic Gender Debiased Image Captioning
日本大学: 大阪大学
- Toward Verifiable and Reproducible Human Evaluation for Text-to-Image Generation
日本大学: 大阪大学
- Uncurated Image-Text Datasets: Shedding Light on Demographic Bias
日本大学: 大阪大学
- AxIoU: An Axiomatically Justified Measure for Video Moment Retrieval
- Optimal Correction Cost for Object Detection Evaluation
日本大学: 大阪大学
- Quantifying Societal Bias Amplification in Image Captioning
日本大学: 大阪大学
- Deep Gesture Generation for Social Robots Using Type-Specific Libraries