WACV

PVeRA: Probabilistic Vector-Based Random Matrix Adaptation

PVeRA：基于概率向量的随机矩阵适应

Leo Fillioux, Enzo Ferrante, Paul-Henry Cournède, Maria Vakalopoulou, Stergios Christodoulidis

机构 * IHU PRISM, National Center for Precision Medicine in Oncology, Gustave Roussy（IHU PRISM，国家精准医学肿瘤中心，古斯塔夫·罗斯-伊实验室） ； Institute of Computer Sciences, CONICET, Universidad de Buenos Aires（计算机科学研究所，CONICET，布宜诺斯艾利斯大学） 纠错

AI总结 本文提出PVeRA，一种基于概率的随机矩阵适应方法，通过概率方式修改VeRA中的低秩矩阵，提升模型在输入模糊性和不同采样配置下的适应能力，实验显示其在VTAB-1k基准上优于其他适配器。

Journal ref WACV 2026

A Woman with a Knife or A Knife with a Woman? Measuring Directional Bias Amplification in Image Captions

一个女人持刀还是一把刀持一个女人？测量图像描述中的方向性偏见放大

Rahul Nair, Bhanu Tokas, Hannah Kerner

机构 * Arizona State University（亚利桑那州立大学） 纠错

AI总结 本文提出DBAC指标，用于测量图像描述中偏见放大现象，改进了现有LIC方法，提升了对偏见来源的识别能力，并在COCO数据集上验证了其有效性。

Comments Accepted at WACV 2026. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2026