論文の概要: Hierarchical Variational Autoencoder for Visual Counterfactuals

• arxiv url: http://arxiv.org/abs/2102.00854v1
• Date: Mon, 1 Feb 2021 14:07:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-05 11:23:27.517843
• Title: Hierarchical Variational Autoencoder for Visual Counterfactuals
• Title（参考訳）: 視覚偽物のための階層的変分オートエンコーダ
• Authors: Nicolas Vercheval, Aleksandra Pizurica
• Abstract要約: 条件変量オート(VAE)は、説明可能な人工知能(XAI)ツールとして注目されている。 本稿では, 後部の効果がいかに緩和され, 対物的効果が成功するかを示す。 本稿では,アプリケーション内の分類器を視覚的に監査できる階層型VAEについて紹介する。
• 参考スコア（独自算出の注目度）: 79.86967775454316
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conditional Variational Auto Encoders (VAE) are gathering significant attention as an Explainable Artificial Intelligence (XAI) tool. The codes in the latent space provide a theoretically sound way to produce counterfactuals, i.e. alterations resulting from an intervention on a targeted semantic feature. To be applied on real images more complex models are needed, such as Hierarchical CVAE. This comes with a challenge as the naive conditioning is no longer effective. In this paper we show how relaxing the effect of the posterior leads to successful counterfactuals and we introduce VAEX an Hierarchical VAE designed for this approach that can visually audit a classifier in applications.
• Abstract（参考訳）: 条件変分自動エンコーダ(VAE)は、説明可能な人工知能(XAI)ツールとして注目されている。 潜在空間の符号は、反事実を生み出す理論的に正しい方法を提供する。 ターゲットとするセマンティック機能への介入による変更。 実画像に適用するには、階層CVAEのようなより複雑なモデルが必要です。 これは、ナイーブコンディショニングがもはや有効ではないという課題を伴う。 本稿では, 後方効果の緩和が反ファクトの達成につながることを示すとともに, アプリケーション内の分類器を視覚的に監査する手法として, VAEX を階層型VAE として導入する。

関連論文リスト

• Interpretable Spectral Variational AutoEncoder (ISVAE) for time series clustering [48.0650332513417]
  可変オートエンコーダ(VAE)の出力にフィルタバンク(FB)の解釈可能なボトルネックを組み込んだ新しいモデルを導入する。 このアレンジメントは、入力信号の最も情報性の高いセグメントに参加するためにVAEを補完する。 VAEをこのFBに故意に拘束することにより、識別可能で分離可能で次元が縮小した符号化の開発を促進する。
  論文  参考訳（メタデータ） (2023-10-18T13:06:05Z)
• CR-VAE: Contrastive Regularization on Variational Autoencoders for Preventing Posterior Collapse [1.0044057719679085]
  変分オートエンコーダ(VAE)は, テクスト後部崩壊現象に悩まされていることが知られている 変分オートエンコーダ(CR-VAE)のコントラスト正規化という新しい解を提案する。
  論文  参考訳（メタデータ） (2023-09-06T13:05:42Z)
• Collaborative Auto-encoding for Blind Image Quality Assessment [17.081262827258943]
  ブラインド画像品質評価(BIQA)は、重要な現実世界のアプリケーションにおいて難しい問題である。 近年、ディープニューラルネットワーク(DNN)による強力な表現を活用しようとする試みは、主観的な注釈付きデータの欠如によって妨げられている。 本稿では,この基本的な障害を克服する新しいBIQA法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T03:45:03Z)
• Defending Variational Autoencoders from Adversarial Attacks with MCMC [74.36233246536459]
  変分オートエンコーダ(VAE)は、様々な領域で使用される深部生成モデルである。 以前の研究が示すように、視覚的にわずかに修正された入力に対する予期せぬ潜在表現と再構成を生成するために、VAEを簡単に騙すことができる。 本稿では, 敵攻撃構築のための目的関数について検討し, モデルのロバスト性を評価する指標を提案し, 解決策を提案する。
  論文  参考訳（メタデータ） (2022-03-18T13:25:18Z)
• Is Disentanglement enough? On Latent Representations for Controllable Music Generation [78.8942067357231]
  強い生成デコーダが存在しない場合、アンタングル化は必ずしも制御性を意味するものではない。 VAEデコーダに対する潜伏空間の構造は、異なる属性を操作するための生成モデルの能力を高める上で重要な役割を果たす。
  論文  参考訳（メタデータ） (2021-08-01T18:37:43Z)
• AAVAE: Augmentation-Augmented Variational Autoencoders [43.73699420145321]
  本稿では,自動符号化に基づく自己教師型学習における第3のアプローチであるAugmentation-augmented variational autoencoders (AAVAE)を紹介する。 画像分類において提案したAAVAEを,最近のコントラスト学習アルゴリズムや非コントラスト学習アルゴリズムと同様に実証的に評価した。
  論文  参考訳（メタデータ） (2021-07-26T17:04:30Z)
• Discrete Auto-regressive Variational Attention Models for Text Modeling [53.38382932162732]
  変分オートエンコーダ(VAE)はテキストモデリングに広く応用されている。 情報不足と後部崩壊という2つの課題に悩まされている。 本稿では,自己回帰変動注意モデル(DAVAM)を提案する。
  論文  参考訳（メタデータ） (2021-06-16T06:36:26Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。