論文の概要: Mask-Induced Displacement in Audio XAI via Logit Trajectory Decomposition
- arxiv url: http://arxiv.org/abs/2609.33486v1
- Date: Sun, 27 Sep 2026 11:53:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 16:25:33.497172
- Title: Mask-Induced Displacement in Audio XAI via Logit Trajectory Decomposition
- Title（参考訳）: Logit Trajectory Decomposition によるXAI音声のマスク誘発変位
- Abstract要約: 摂動に基づくXAI手法は、スペクトル領域をマスキングし、保持信号に対する出力変化を信用することで特徴的重要性を推定する。
この仮定を検討するために,ロジト空間軌道分解法を提案する。
- 参考スコア（独自算出の注目度）: 0.3181700357675698
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Perturbation-based XAI methods for audio classifiers often estimate feature importance by masking spectrogram regions and crediting output changes to the retained signal. Yet they typically assume the fill (the mask replacement) is negligible. We propose logit-space trajectory decomposition to examine this assumption. An on-axis component captures output along a line connecting the fully filled (occluded) spectrogram to the fully retained original; an off-axis component captures perpendicular displacement. We evaluate across three fills, three audio classifiers, and 1,100 AudioSet clips. We demonstrate that no fill is acoustically neutral under full occlusion: Zero fill activates silence and Gaussian Noise fill activates broadband noise. Under partial masking, 41-77% of output displacement is off-axis, with the direction of the residual stable across mask retention fraction and specific to each model-fill combination. Attribution methods are unevenly exposed to off-axis displacement through their sampling and weighting strategies, revealing apparatus-dependence. Where the off-axis residual is stable and low-dimensional, its structure affords mitigation.
- Abstract（参考訳）: 音声分類器の摂動に基づくXAI手法は、しばしばスペクトル領域をマスキングし、保持信号に対する出力変化を信用することによって特徴的重要性を推定する。
しかし、通常はフィリング(マスク交換)が無視可能であると仮定する。
この仮定を検討するために,ロジト空間軌道分解法を提案する。
オン軸成分は、完全に満たされた(隠された)分光図と完全に保持されたオリジナルとを接続する線に沿って出力をキャプチャし、オフ軸成分は垂直変位をキャプチャする。
3つの補聴器、3つの音声分類器、1100のAudioSetクリップを評価した。
ゼロフィラーはサイレントを活性化し、ガウスノイズフィラーはブロードバンドノイズを活性化する。
部分マスキングでは, 出力変位の41-77%がオフ軸であり, マスク保持率と各モデルと充填の組み合わせに比例して, 残留方向は安定であった。
属性法はサンプリングおよび重み付け戦略を通じてオフ軸変位に対して不均一に露出し、装置依存性を明らかにする。
オフ軸残基が安定で低次元である場合、その構造は緩和する。
関連論文リスト
- Residual-Stream Burden Shapes Representation Learning in Diffusion Transformers [74.0530486095232]
拡散ベースの生成では、ニューラルネットワークをトレーニングして、ノイズやノイズの入力からクリーンなデータを予測することができる。
最終読み出しの深さを通したノイズ依存入力変動を維持するために,雑音のターゲットは残差ストリームを必要とすると論じる。
スペクトル集中されたクリーンターゲットは、より軽量な要求を課し、その後の計算のために隠れた表現を整理する自由を保ちます。
論文 参考訳（メタデータ） (2026-09-27T20:17:39Z) - Fractional-Order Adaptive Motion Magnification: Phase-Reliability Weighting for Noise-Constrained Video Amplification [51.56484100374058]
本稿では、まずオフラインで、次に因果ストリームとして開発されたパイプラインであるフラクショナルオーダー適応運動拡大法を提案する。
一定の時間的利得を分数次 Grnwald--Letnikov 微分に置き換え、高周波強調を連続的に制御する。
リアルビデオでは、各ケースにおける空間選択性の向上と背景雑音の低減が示されている。
論文 参考訳（メタデータ） (2026-09-03T21:43:22Z) - A Shared Latent for Partially-Labeled Multi-Task Facial Affect Recognition [9.736740880077823]
部分的にラベル付けされたマルチタスク学習は、共有された影響の潜伏者に対する疎外化であることを示す。
s-Aff-Wild2では、フレームのわずか37%が3つのラベル全てを担っているが、これらのクラスは極めて不均衡である。
各タスクのソースが評価分割で選択されると、組み立て結果が報告される。
論文 参考訳（メタデータ） (2026-07-11T04:55:12Z) - Decoupled Single-Mask Annotation Noise Detection via Cross-Sectional Patch Self-Consistency [2.8923450209863955]
単一マスクアノテーション雑音検出のための分離されたフレームワークを提案する。
我々は断面パッチの自己整合性を利用して、解釈可能かつ聴覚可能なノイズ証拠を生成する。
提案手法は,クロスセクションパッチを抽出し,スケーラブルなベクトル探索により強度等価な近傍を検索し,統計的マスクの不一致からパッチレベルのノイズスコアを算出する。
論文 参考訳（メタデータ） (2026-07-07T08:02:27Z) - From Sparse and Imperfect 2D Anchors to Consistent 3D Gaussian Street Scenes: Support-Aware Appearance [13.51195065028002]
画像先行者は、3Dガウスのストリートシーンのターゲット条件を合成できるが、独立して編集されたビューはコヒーレントな3Dターゲットを定義しない。
このギャップに対処するため、外観焼成のために教師の相対的な外観残留蒸留を導入する。
教師アンカーとオリジナルレンダリングの間の残差により、周波数分解、信頼度推定、プリミティブレベルリフトのための構造化された空間を形成する。
論文 参考訳（メタデータ） (2026-06-24T16:26:53Z) - MaskAlign: Token-Subset Representation Alignment for Efficient Diffusion Training [53.777757218665386]
MaskAlignは、トレーニング中にランダムにサンプリングされたトークンサブセットにアライメントを適用するトークン-サブセット表現アライメント手法である。
我々は、MaskAlignが完全なトークン集合への配向の依存を減らし、トークン-サブセット摂動下でより安定な配向挙動を促進することを示す。
論文 参考訳（メタデータ） (2026-06-07T19:11:22Z) - Adjoint Inversion Reveals Holographic Superposition and Destructive Interference in CNN Classifiers [0.33842793760651557]
等相デカップリングと局所共役補正を基盤とした幻覚のない逆転フレームワークを提案する。
提案手法は,各再構成の空間勾配が真に活発なチャネルから厳密に支えられていることを数学的に保証する。
この枠組みを幾何学的プローブとして用いて、視覚エンコーダにおける強重畳みの最初のピクセルレベルの証拠を明らかにする。
論文 参考訳（メタデータ） (2026-04-30T07:32:07Z) - GenMask: Adapting DiT for Segmentation via Direct Mask Generation [81.54526445834294]
間接的な適応の代わりに、セグメント化タスクは生成的な方法で直接訓練されるべきである、と我々は主張する。
分割のための極度のノイズレベルと画像生成のための中等度雑音を強調する二元マスクの時間ステップサンプリング戦略を導入する。
GenMaskは,RGB空間における色鮮やかな画像だけでなく,黒と白のセグメンテーションマスクを生成するためのDiTトレインである。
論文 参考訳（メタデータ） (2026-03-25T03:52:05Z) - SSNAPS: Audio-Visual Separation of Speech and Background Noise with Diffusion Inverse Sampling [23.130313134690443]
本稿では,実環境騒音の存在下での単一マイクロホン音声分離と高機能化の課題について論じる。
提案手法は生成的逆サンプリングに基づいており, クリーンな音声と周囲の雑音を, 専用の拡散前処理でモデル化し, 基礎となるすべての音源の復元に共同で活用する。
我々は,1,2,3話者の混在音について評価し,完全に教師なしであるにもかかわらず,全ての条件において指導基準線が指導基準線より常に優れていたことを示す。
論文 参考訳（メタデータ） (2026-02-01T18:57:53Z) - Continuously Augmented Discrete Diffusion model for Categorical Generative Modeling [87.34677262370924]
標準離散拡散モデルは、吸収[MASK]トークンにそれらをマッピングすることで、すべての観測されていない状態を同一に扱う。
これは'インフォメーション・ヴォイド'を生成します。そこでは、偽のトークンから推測できるセマンティック情報は、デノイングステップの間に失われます。
連続的拡張離散拡散(Continuously Augmented Discrete Diffusion)は、連続的な潜在空間における対拡散で離散状態空間を拡大するフレームワークである。
論文 参考訳（メタデータ） (2025-10-01T18:00:56Z)
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。