論文の概要: Common-Witness Certificates and Sharp Feature Bounds for Counterfactual Image Auditing
- arxiv url: http://arxiv.org/abs/2609.03973v1
- Date: Thu, 03 Sep 2026 15:09:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.12731
- Title: Common-Witness Certificates and Sharp Feature Bounds for Counterfactual Image Auditing
- Title（参考訳）: 対物画像監査のための共通性証明書とシャープ特徴境界
- Abstract要約: 画像エディタは、単一の潜伏説明が完全な出力に合わない場合でも、各可視性制約を別々に満たすことができる。
我々は,この局所的・言語的失敗を,共通の目撃者格と目撃者の神経を用いて定式化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: An image editor may satisfy every regional plausibility constraint separately even when no single latent explanation fits the complete output. We formalize this local-to-global failure using a common witness grade and witness nerve. The framework separates auditing from causal identification: shared exogeneity alone allows every coupling of the regime marginals, whereas an externally justified witness relation yields sharp partial-identification bounds for prespecified image features. Helly-type arguments provide short incompatibility certificates for quasiconvex losses, heterogeneous action strata, and finite witness atlases; a blocker-hypergraph formula gives exact repair counts. Simultaneous confidence regions for the regime marginals give finite-sample outer coverage of the complete identified interval. Controlled MNIST, Morpho-MNIST, and smallNORB studies demonstrate the predicted local-global separation, while synthetic experiments test sharp bounds, certificate recovery, and structured computation. The method audits a declared feature relation and does not identify unrestricted pixel-level counterfactuals.
- Abstract（参考訳）: 画像エディタは、単一の潜伏説明が完全な出力に合わない場合でも、各領域の可視性制約を別々に満たすことができる。
我々は,この局所的・言語的失敗を,共通の目撃者格と目撃者の神経を用いて定式化する。
このフレームワークは、監査を因果識別から分離する:共有の異質性だけでは、政権の限界のすべての結合が可能であるが、外部的に正当化された証人関係は、予め特定された画像の特徴に対して鋭い部分的識別境界をもたらす。
ヘリー型の議論は、準凸損失、異種作用層、有限証人アトラスに対する短い不整合証明を提供する。
状態境界に対する同時信頼領域は、完全な特定区間の有限サンプル外被覆を与える。
制御されたMNIST、Morpho-MNIST、および小さなNORB研究は、予測された局所的・局所的分離を示し、合成実験はシャープな境界、証明回復、構造化された計算を試験した。
この方法は、宣言された特徴関係を監査し、制限されていない画素レベルのカウンターファクトを識別しない。
関連論文リスト
- A distribution-free certification framework for trustworthy crash-severity prediction [1.089614199781423]
厳密なモデルを修正せずにラップする認証層を開発します。
テキサス州の7つのベースモデルにまたがる520万件の記録では、同層は同一の妥当性を持つ。
フレームワークは定理レベルのテストを備えたオープンソースパッケージとしてリリースされている。
論文 参考訳（メタデータ） (2026-09-10T14:20:08Z) - SEAM: Global consistency beyond local accuracy in scientific machine learning [3.1861308132183375]
我々は,地域,センサ,レジーム,モデルコンポーネント間で局所的な一貫性を問うことができるジェネレータに依存しないフレームワークであるScientific Explanation-Admissibility Machines (SEAM)を紹介した。
SEAMは、ローカルな予測が正確であっても互換性のない説明を検出し、特定のチャネルとオーバーラップに対する属性の失敗を検知する。
既存の問題解決者や学習モデルにグローバルな説明整合性監査を追加し、それらのローカルな説明が一貫性のある科学的説明を形成するかどうかをテストする。
論文 参考訳（メタデータ） (2026-08-06T07:45:23Z) - GAUGE: Granularity-Adaptive Counterfactual Gating of Evidence for Incomplete Multimodal Classification [17.595478415811687]
マルチモーダル分類は通常、すべてのモダリティが利用可能であると仮定するが、実世界の入力はしばしば不完全である。
不完全なマルチモーダル分類のための軽量な逆ファクトゲーティングフレームワークであるGAUGEを提案する。
GAUGEは、予測を意識したTaylorのエビデンススコアを通じて、すべてのユニットを参照表現に置き換える反ファクト効果をスコアする。
論文 参考訳（メタデータ） (2026-08-06T05:07:14Z) - Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning [0.0]
エージェントAIシステムは、生物学的、臨床的、財務的な文脈で定期的に結論を伝達する。
局所的検証の新たなセーフガードは構造的に不完全であることを示す。
不均一な精度で歪みを定量化し、正確性を復元する精密な白紙形状を提供する。
論文 参考訳（メタデータ） (2026-08-04T21:09:50Z) - Self-Certification of Representation Adequacy: Sequential Certification at Minimum Task Loss [4.6304326752276985]
本稿では,表現の自己証明に関する4層理論を考案する。
シーケンシャルレイヤは、タスク損失の通貨において最適な停止問題として認定される。
最終的な境界層は、ポリシーの切り替えや表現の修復をカバーするのに必要なオープン定理を特定する。
論文 参考訳（メタデータ） (2026-08-03T14:09:34Z) - Unsupervised Disentanglement Without Compromises : How Functional Orthogonality Enforces Identifiability [46.784084625532984]
本稿では,機能的観点からの非教師付き非教師付き非教師付き表現学習について検討する。
この条件は一般非線形生成モデルの識別可能性を示す。
論文 参考訳（メタデータ） (2026-06-19T12:47:07Z) - AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
AnchorMoEは、解釈可能な構成別分類フレームワークである。
ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。
実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
論文 参考訳（メタデータ） (2026-06-02T13:30:54Z) - When Rule Violations Are Rare: Chimera Training for Logical Anomaly Detection [56.362776482614976]
本研究では,学習した視覚概念に対する制約を論理規則として与える環境での異常検出について検討する。
本稿では,各制約を有向非巡回グラフにコンパイルし,特徴認識サブツリーゲートを学習するニューラルルール評価器を提案する。
CLEVRER、OpenImages、VidOR全体で、結果として得られる評価は、独立イベントと同一イメージのセマンティックトレーニングベースラインよりもルールレベルのAUROCを改善する。
論文 参考訳（メタデータ） (2026-05-25T02:52:36Z) - Testing the Test: Score-Direction Instability in Class-Split Anomaly Detection [56.362776482614976]
データセット内のクラス分割評価は、完全に非条件のアウト・オブ・ディストリビューション異常検出のプロキシとして広く利用されている。
このプロトコルは、保持された異常クラスが表現空間の通常の混合と重なり合う場合、悪用される可能性があることを示す。
そこで本研究では,Fashion-MNIST,CIFAR-10,Imagenette間のスコア方向不安定性を予測する。
論文 参考訳（メタデータ） (2026-05-23T06:27:42Z) - Diverse Dictionary Learning [47.381311762862985]
観測データ$X = g(Z)$のみを与えられた場合、潜伏変数$Z$と生成プロセス$g$は未知であり、追加の仮定なしで$Z$を回収することは誤りである。
我々は、任意の観測に関連付けられた潜伏変数の交叉、補間、対称的な相違と、観測される潜伏変数の依存関係構造が、いまだ適切な不確定性まで同定可能であることを示す。
論文 参考訳（メタデータ） (2026-04-19T18:18:34Z) - Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。
損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。
視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。
言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
論文 参考訳（メタデータ） (2026-03-20T02:07:10Z) - Feasibility Preservation under Monotone Retrieval Truncation [0.12183405753834557]
本研究では,構造的観点からの検索について検討し,クエリ応答をトランケーション下で実現可能な問題としてモデル化する。
個々の問合せに対する有限可視性を保証するために, 単調トランケーションが十分であることを示す。
さらに,非単調なトランケーション,非有限生成クエリクラス,純粋にスロットワイズなカバレッジの失敗を示すシャープな反例を示す。
論文 参考訳（メタデータ） (2026-01-21T18:25:16Z)
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。