論文の概要: If Concept Bottlenecks are the Question, are Foundation Models the Answer?

• arxiv url: http://arxiv.org/abs/2504.19774v2
• Date: Tue, 29 Apr 2025 10:54:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.446594
• Title: If Concept Bottlenecks are the Question, are Foundation Models the Answer?
• Title（参考訳）: コンセプト・ボツネックが疑問であるなら、ファンデーション・モデルは答えか?
• Authors: Nicola Debole, Pietro Barbiero, Francesco Giannini, Andrea Passerini, Stefano Teso, Emanuele Marconato,
• Abstract要約: コンセプト・ボトルネック・モデル (Concept Bottleneck Models, CBM) は、アンテホックの解釈可能性と高性能を結合するように設計されたニューラルネットワークである。 VLM-CBMアーキテクチャは、手動アノテーションを基礎モデルからの弱い監督に置き換える。 我々は、最先端のVLM-CBMをテストに適用し、重要なメトリクスの選択を経験的に分析した。
• 参考スコア（独自算出の注目度）: 20.91927788087174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Concept Bottleneck Models (CBMs) are neural networks designed to conjoin high performance with ante-hoc interpretability. CBMs work by first mapping inputs (e.g., images) to high-level concepts (e.g., visible objects and their properties) and then use these to solve a downstream task (e.g., tagging or scoring an image) in an interpretable manner. Their performance and interpretability, however, hinge on the quality of the concepts they learn. The go-to strategy for ensuring good quality concepts is to leverage expert annotations, which are expensive to collect and seldom available in applications. Researchers have recently addressed this issue by introducing "VLM-CBM" architectures that replace manual annotations with weak supervision from foundation models. It is however unclear what is the impact of doing so on the quality of the learned concepts. To answer this question, we put state-of-the-art VLM-CBMs to the test, analyzing their learned concepts empirically using a selection of significant metrics. Our results show that, depending on the task, VLM supervision can sensibly differ from expert annotations, and that concept accuracy and quality are not strongly correlated. Our code is available at https://github.com/debryu/CQA.
• Abstract（参考訳）: コンセプト・ボトルネック・モデル (Concept Bottleneck Models, CBM) は、アンテホックの解釈可能性と高性能を結合するように設計されたニューラルネットワークである。 CBMは入力(例、画像)を高レベルな概念(例、可視オブジェクトとその特性)にマッピングし、これらを使用して下流タスク(例、タグ付け、画像のスコア付け)を解釈可能な方法で解決する。 しかし、彼らのパフォーマンスと解釈可能性は、彼らが学んだ概念の質に左右される。 優れた品質概念を保証するための戦略は、専門家のアノテーションを活用することです。 研究者は最近、手動アノテーションを基礎モデルからの弱い監督に置き換える"VLM-CBM"アーキテクチャを導入してこの問題に対処している。 しかし、それが学習した概念の質に与える影響は不明確である。 この問いに答えるために、我々は最先端のVLM-CBMを試験に投入し、重要なメトリクスの選び方を経験的に分析した。 この結果から, VLM の監督はタスクによって専門家のアノテーションと微妙に異なり,概念の正確さと品質は強く相関しないことが明らかとなった。 私たちのコードはhttps://github.com/debryu/CQA.comで公開されています。

関連論文リスト

• Massive Values in Self-Attention Modules are the Key to Contextual Knowledge Understanding [58.364933651703524]
  注目クエリの特定の領域において、集中した巨大な値が一貫して現れることを示す。 これらの膨大な価値は文脈知識の解釈において重要な役割を担っている。 大量の値の出現を辿り、そのような濃度は回転位置によって引き起こされる。
  論文  参考訳（メタデータ） (2025-02-03T17:47:03Z)
• CBVLM: Training-free Explainable Concept-based Large Vision Language Models for Medical Image Classification [8.470147509053819]
  概念ボトルネックモデル (Concept Bottleneck Models, CBM) は、事前定義された人間の解釈可能な概念のセットに最終疾患予測を制約することで後者に対処する。 本稿では,これらの課題に対処する,シンプルで効果的な手法CBVLMを提案する。 予測された概念を最終診断し、説明可能性を確保し、LVLMの少数ショット機能を活用することにより、アノテーションのコストを大幅に削減する。
  論文  参考訳（メタデータ） (2025-01-21T16:38:04Z)
• DCBM: Data-Efficient Visual Concept Bottleneck Models [13.36057999450821]
  概念ボトルネックモデル(CBM)は、人間の理解可能な概念をベースとした予測によって、ニューラルネットワークの解釈可能性を高める。 我々は,解釈可能性を維持しつつ,概念生成時の大規模なサンプルサイズの必要性を低減できるデータ効率のCBMを提案する。
  論文  参考訳（メタデータ） (2024-12-16T09:04:58Z)
• Response Wide Shut: Surprising Observations in Basic Vision Language Model Capabilities [30.176918208200604]
  VLM(Vision-Language Models)は、様々な複雑なコンピュータビジョン問題に対処するための汎用ツールとして登場した。 これらのモデルは高い能力を持つが、いくつかの基本的な視覚的理解スキルが欠けていることが示されている。 本稿では,基本的な視覚課題におけるSoTA VLMの限界を理解することを目的とする。
  論文  参考訳（メタデータ） (2024-08-13T08:26:32Z)
• Discover-then-Name: Task-Agnostic Concept Bottlenecks via Automated Concept Discovery [52.498055901649025]
  ディープニューラルネットワークの「ブラックボックス」問題に対処するために、概念ボトルネックモデル(CBM)が提案されている。 本稿では,典型的なパラダイムを逆転させる新しいCBMアプローチであるDiscover-then-Name-CBM(DN-CBM)を提案する。 我々の概念抽出戦略は、下流のタスクに非依存であり、既にそのモデルに知られている概念を使用するため、効率的である。
  論文  参考訳（メタデータ） (2024-07-19T17:50:11Z)
• Self-supervised Interpretable Concept-based Models for Text Classification [9.340843984411137]
  本稿では,自己教師型解釈可能な概念埋め込みモデル(ICEM)を提案する。 我々は,大規模言語モデルの一般化能力を活用し,概念ラベルを自己管理的に予測する。 ICEMは、完全に教師されたコンセプトベースモデルやエンドツーエンドのブラックボックスモデルと同じようなパフォーマンスを達成するために、自己管理的な方法でトレーニングすることができる。
  論文  参考訳（メタデータ） (2024-06-20T14:04:53Z)
• Conceptual Learning via Embedding Approximations for Reinforcing Interpretability and Transparency [2.7719338074999547]
  解釈可能性が最重要である領域において、概念ボトルネックモデル(CBM)が重要なツールとして出現している。 本研究では、アンダーラインtextbfReinforcecing Interpretability and Transparency に対するアンダーラインtextbfEmbedding UnderlinetextbfApproximations によるアンダーラインtextbfConceptual UnderlinetextbfLbeddingを提案する。
  論文  参考訳（メタデータ） (2024-06-13T06:04:34Z)
• Interpretable Prognostics with Concept Bottleneck Models [5.939858158928473]
  概念ボトルネックモデル(Concept Bottleneck Models, CBM)は、概念的説明に基づいて本質的に解釈可能なニューラルネットワークアーキテクチャである。 CBMはドメインの専門家がテスト時にコンセプトアクティベーションに介入できるようにする。 ケーススタディでは,CBMの性能がブラックボックスモデルと同等か優れていることが示されている。
  論文  参考訳（メタデータ） (2024-05-27T18:15:40Z)
• Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
  画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。 十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。 近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。 本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
  論文  参考訳（メタデータ） (2024-04-23T11:45:32Z)
• Interpreting Pretrained Language Models via Concept Bottlenecks [55.47515772358389]
  事前訓練された言語モデル(PLM)は、様々な自然言語処理タスクにおいて大きな進歩を遂げてきた。 ブラックボックスの性質による解釈可能性の欠如は、責任ある実装に課題をもたらす。 本研究では,人間にとって理解しやすい高レベルで有意義な概念を用いて,PLMを解釈する新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T20:41:18Z)
• Dynamic Clue Bottlenecks: Towards Interpretable-by-Design Visual Question Answering [58.64831511644917]
  本稿では, モデル決定を中間的人間法的な説明に分解する設計モデルを提案する。 我々は、我々の本質的に解釈可能なシステムは、推論に焦点をあてた質問において、同等のブラックボックスシステムよりも4.64%改善できることを示した。
  論文  参考訳（メタデータ） (2023-05-24T08:33:15Z)
• Explainable fetal ultrasound quality assessment with progressive concept bottleneck models [6.734637459963132]
  胎児超音波品質評価のための総合的,説明可能な方法を提案する。 タスクに「可読性の概念」を導入し、シーケンシャルな専門家による意思決定プロセスを模倣する。 実験により、我々のモデルは、社内データセット上で同等のコンセプトフリーモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2022-11-19T09:31:19Z)
• CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
  知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。 本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。 本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T15:22:01Z)

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。