論文の概要: VEIL: How Visual Encoding Hijacking Induces Bias In Vision Models

• arxiv url: http://arxiv.org/abs/2607.05641v1
• Date: Mon, 06 Jul 2026 21:10:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.328207
• Title: VEIL: How Visual Encoding Hijacking Induces Bias In Vision Models
• Title（参考訳）: VEIL:バイアズ・イン・ビジョン・モデルによるハイジャックの視覚的エンコーディング
• Authors: Suranjana Sooraj, Xuyang Chen, Madhumitha Venkatesan, Dongyu Liu,
• Abstract要約: 本稿では,チャートエンコーディングが学習表現に与える影響について,系統的研究を行う。 本稿では, チャートベースTSCを表現・測定問題として扱うことを保証する方法として, 可視化設計の選択が学習表現を形作ることを示す。
• 参考スコア（独自算出の注目度）: 10.461445926991779
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rendering time series as chart images for CNN-based classification has become increasingly common in time-series classification (TSC). However, it remains unclear whether models learn underlying temporal patterns or rely on encoding-specific visual cues introduced by chart design. We present VEIL: a systematic study examining how chart encodings influence learned representations through complementary analyses of similarity, transferability, and attribution. Attention-guided training appears to mitigate this effect when encoding sensitivity is consistently identified across diagnostics, but provides limited or negative benefit when such signals are absent. These findings position VEIL within the broader question of how machines perceive visualizations -- extending graphical perception from human readers to vision models -- and show that visualization design choices shape learned representations in ways that warrant treating chart-based TSC as a representation and measurement problem rather than a simple modeling decision.
• Abstract（参考訳）: CNNに基づく分類のためのチャート画像としての時系列のレンダリングは、時系列分類(TSC)においてますます一般的になっている。 しかし、モデルが時間的パターンを学習するか、あるいはチャート設計によって導入された符号化固有の視覚的手がかりに依存しているかは定かではない。 本稿では、類似性、伝達可能性、帰属性の相補的分析を通じて、チャートエンコーディングが学習した表現にどのように影響するかを系統的研究する。 注意誘導訓練は、感度の符号化が診断全体で一貫して識別される場合、この効果を緩和するように見えるが、そのような信号が欠如している場合、制限または負の利益をもたらす。 これらの発見は、VEILが、マシンがどのように視覚化を知覚するか、すなわち、人間の読者から視覚モデルへのグラフィカルな認識を拡大するかという幅広い問題の中に位置づけ、視覚化設計の選択が、単純なモデリング決定ではなく、チャートベースのTSCを表現と測定の問題として扱うことを保証する方法で、学習された表現を形成することを示す。

関連論文リスト

• SigTime: Learning and Visually Explaining Time Series Signatures [22.200677868580204]
  本稿では,相補的な時系列表現を用いて2つのトランスフォーマーモデルを共同で学習する新しい学習フレームワークを提案する。 学習されたシェープレットは、分類ラベル間で時系列を区別する解釈可能なシグネチャとして機能する。 時系列シグネチャの探索を容易にするために,協調ビューを備えた視覚分析システムであるSigTImeを開発した。
  論文  参考訳（メタデータ） (2025-12-12T22:47:34Z)
• MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging [67.74482877175797]
  MIRNetは、自己教師付き事前学習と制約付きグラフベースの推論を統合する新しいフレームワークである。 TongueAtlas-4Kは,22の診断ラベルを付した4,000枚の画像からなるベンチマークである。
  論文  参考訳（メタデータ） (2025-11-13T06:30:41Z)
• Gaze-Guided Learning: Avoiding Shortcut Bias in Visual Classification [3.1208151315473622]
  本稿では,人間の視線時系列データセットであるGaze-CIFAR-10と2列視線エンコーダを紹介する。 並行して、視覚変換器(ViT)を用いて画像内容のシーケンシャルな表現を学習する。 画像特徴表現における不正確な局所化を効果的に補正する。
  論文  参考訳（メタデータ） (2025-04-08T00:40:46Z)
• A Comparative Study of Scanpath Models in Graph-Based Visualization [7.592272924252313]
  アイトラッキング(ET)データは、コスト、プライバシ、スケーラビリティに関する課題を提示する。 本研究では,40名の参加者を対象に,グラフ解析を行ったET実験を行った。 我々は,DeepGaze,UMSS,Gazeformerなどのモデルで生成したヒトスキャンパスと合成パスを比較した。
  論文  参考訳（メタデータ） (2025-03-31T14:43:42Z)
• A Survey of Deep Graph Learning under Distribution Shifts: from Graph Out-of-Distribution Generalization to Adaptation [59.14165404728197]
  我々は,分散シフト下での深層グラフ学習について,最新かつ先見的なレビューを行う。 具体的には,グラフ OOD 一般化,トレーニング時グラフ OOD 適応,テスト時グラフ OOD 適応の3つのシナリオについて述べる。 文献をよりよく理解するために,既存の手法をモデル中心およびデータ中心のアプローチに分類する系統分類を導入した。
  論文  参考訳（メタデータ） (2024-10-25T02:39:56Z)
• Assessing Graphical Perception of Image Embedding Models using Channel Effectiveness [20.269583912221734]
  画像埋め込みモデルの視覚的知覚を評価するための新しい評価フレームワークを提案する。 チャート理解のために,様々な視覚チャネルの精度と識別可能性という,チャネルの有効性の2つの主な側面について検討する。 CLIPモデルを用いた実験では、チャンネルの精度が人間と異なることが分かり、長さ、傾き、曲率などのチャンネルで独自の識別性を示す。
  論文  参考訳（メタデータ） (2024-07-30T14:22:13Z)
• Scaling Laws of Synthetic Images for Model Training ... for Now [54.43596959598466]
  本研究では, 合成画像のスケーリング法則について, テクスト・ツー・イメージ・モデルの現状から検討した。 合成画像は、CLIPトレーニングの実際の画像と似ているが、やや効果の低いスケーリング傾向を示す。
  論文  参考訳（メタデータ） (2023-12-07T18:59:59Z)
• Visual Perturbation-aware Collaborative Learning for Overcoming the Language Prior Problem [60.0878532426877]
  本稿では,視覚的摂動校正の観点から,新しい協調学習手法を提案する。 具体的には、異なる摂動範囲で2種類のキュレートされた画像を構築するための視覚コントローラを考案する。 2つの診断VQA-CPベンチマークデータセットの実験結果は、その効果を明らかに示している。
  論文  参考訳（メタデータ） (2022-07-24T23:50:52Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)

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。