論文の概要: Diffusion-based Visual Counterfactual Explanations -- Towards Systematic Quantitative Evaluation

• arxiv url: http://arxiv.org/abs/2308.06100v1
• Date: Fri, 11 Aug 2023 12:22:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 14:04:29.775852
• Title: Diffusion-based Visual Counterfactual Explanations -- Towards Systematic Quantitative Evaluation
• Title（参考訳）: 拡散に基づく視覚的相反的説明--体系的定量的評価に向けて
• Authors: Philipp Vaeth and Alexander M. Fruehwald and Benjamin Paassen and Magda Gregorova
• Abstract要約: 視覚的対物的説明法(VCE)の最新手法は、深い生成モデルの力を利用して、印象的な画質の高次元画像の新しい例を合成する。 評価手順が大きく異なり,個々の実例の視覚検査や小規模なユーザスタディなど,これらのVCE手法の性能を比較することは,現時点では困難である。 本稿では,VCE手法の体系的,定量的評価のためのフレームワークと,使用する指標の最小セットを提案する。
• 参考スコア（独自算出の注目度）: 64.0476282000118
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latest methods for visual counterfactual explanations (VCE) harness the power of deep generative models to synthesize new examples of high-dimensional images of impressive quality. However, it is currently difficult to compare the performance of these VCE methods as the evaluation procedures largely vary and often boil down to visual inspection of individual examples and small scale user studies. In this work, we propose a framework for systematic, quantitative evaluation of the VCE methods and a minimal set of metrics to be used. We use this framework to explore the effects of certain crucial design choices in the latest diffusion-based generative models for VCEs of natural image classification (ImageNet). We conduct a battery of ablation-like experiments, generating thousands of VCEs for a suite of classifiers of various complexity, accuracy and robustness. Our findings suggest multiple directions for future advancements and improvements of VCE methods. By sharing our methodology and our approach to tackle the computational challenges of such a study on a limited hardware setup (including the complete code base), we offer a valuable guidance for researchers in the field fostering consistency and transparency in the assessment of counterfactual explanations.
• Abstract（参考訳）: 視覚的対物的説明法(VCE)の最新手法は、深い生成モデルの力を利用して、印象的な画質の高次元画像の新しい例を合成する。 しかしながら,評価手順が大きく異なり,個々の実例の視覚検査や小規模なユーザスタディに結びつくため,これらのVCE手法の性能を比較することは困難である。 本稿では,VCE手法の体系的,定量的評価のためのフレームワークと,使用する指標の最小セットを提案する。 我々はこの枠組みを用いて,最新の拡散に基づく自然画像分類vces生成モデル(imagenet)における重要な設計選択の影響を探索する。 我々はアブレーションのような実験を行い、様々な複雑さ、精度、堅牢性の分類器群に対して数千のVCEを生成する。 以上の結果から,VCE法の今後の進歩と改善の方向性が示唆された。 我々の方法論と、そのような限られたハードウェア構成(完全なコードベースを含む)の研究の計算課題に取り組むためのアプローチを共有することで、反事実的説明の評価において一貫性と透明性を育む分野の研究者に貴重なガイダンスを提供する。

関連論文リスト

• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。 従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。 オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• Preview-based Category Contrastive Learning for Knowledge Distillation [53.551002781828146]
  知識蒸留(PCKD)のための新しい予見型カテゴリーコントラスト学習法を提案する。 まず、インスタンスレベルの特徴対応と、インスタンスの特徴とカテゴリ中心の関係の両方の構造的知識を蒸留する。 カテゴリ表現を明示的に最適化し、インスタンスとカテゴリの表現を明確に関連付けることができる。
  論文  参考訳（メタデータ） (2024-10-18T03:31:00Z)
• Deep Learning for Video Anomaly Detection: A Review [52.74513211976795]
  ビデオ異常検出(VAD)は、ビデオの正常性から逸脱する行動や事象を発見することを目的としている。 ディープラーニングの時代には、VADタスクには、さまざまなディープラーニングベースの方法が常に現れています。 このレビューでは、半教師付き、弱教師付き、完全教師付き、非教師付き、オープンセットの5つのカテゴリのスペクトルについて取り上げる。
  論文  参考訳（メタデータ） (2024-09-09T07:31:16Z)
• NeRF-Supervised Feature Point Detection and Description [2.7388340826497837]
  本稿では,Near Radiance Fields (NeRFs) を利用して,屋内と屋外のシーンからなる多様で現実的なデータセットを生成する手法を提案する。 提案手法は,多視点NeRF合成データのトレーニングに最先端の特徴検出器と記述子を適用し,視点射影幾何学による監督を実現する。
  論文  参考訳（メタデータ） (2024-03-13T00:43:10Z)
• Rank Flow Embedding for Unsupervised and Semi-Supervised Manifold Learning [9.171175292808144]
  本稿では,教師なしおよび半教師付きシナリオに対するランクフロー埋め込み (RFE) という新しい多様体学習アルゴリズムを提案する。 RFEは文脈に敏感な埋め込みを計算し、それはランクベースの処理フローに従って洗練される。 生成された埋め込みは、より効果的な教師なし検索や半教師付き分類に利用することができる。
  論文  参考訳（メタデータ） (2023-04-24T21:02:12Z)
• Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
  モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。 本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。 これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
  論文  参考訳（メタデータ） (2023-03-21T14:24:58Z)
• On the Effects of Self-supervision and Contrastive Alignment in Deep Multi-view Clustering [16.63376980974536]
  我々は、最近の多くのメソッドをインスタンスとして含むディープMVCのための統一されたフレームワークを提示します。 我々は、自己超越の効果、特に、コントラスト学習による表現の整合性の欠点について重要な観察を行う。 われわれは新たな自己監督型DeepMVCインスタンスを複数開発した。
  論文  参考訳（メタデータ） (2023-03-17T10:51:38Z)
• Towards Better Understanding Attribution Methods [77.1487219861185]
  モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。 本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。 また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
  論文  参考訳（メタデータ） (2022-05-20T20:50:17Z)

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。