Fugu-MT 論文翻訳(概要): CRANE: Post-Hoc Counterfactual Retrieval for Multimodal Classifiers

論文の概要: CRANE: Post-Hoc Counterfactual Retrieval for Multimodal Classifiers

arxiv url: http://arxiv.org/abs/2610.31594v1
Date: Thu, 22 Oct 2026 17:26:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-24 02:08:44.49776
Title: CRANE: Post-Hoc Counterfactual Retrieval for Multimodal Classifiers
Title（参考訳）: CRANE: マルチモーダル分類のためのポストホック対実検索
Abstract要約: CRANEは、最寄りのマルチモーダルカウンターファクト生成のための、最初のポストホックモデルに依存しないフレームワークである。マルチモーダル・コンセンサス・レトリーバル (MC-R) は, 任意のモーダルにおいて, 問合せに近接するインスタンスを識別し, 最強のマルチモーダル・ストラテジーとして現れることを示す。
参考スコア（独自算出の注目度）: 1.2011713165833133
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Counterfactual explanation methods have been introduced for unimodal settings, with dedicated frameworks for tabular, timeseries, text, and image data, yet no post-hoc method has been designed for classifiers that learn from multimodal inputs. Existing explainability methods for multimodal classifiers apply modality-specific attribution independently to each input, which fails to yield coherent explanations and does not transfer to arbitrary pre-trained multimodal architectures. To address these shortcomings, we present CRANE (Counterfactual Retrieval via Agnostic Nearest-neighbour Explanations), the first post-hoc, model-agnostic framework for nearest-neighbour multimodal counterfactual generation that retrieves real training examples from the target class as candidate explanations, ensuring plausibility by construction. Across four heterogeneous datasets and three fusion strategies, we show that Multimodal Consensus Retrieval (MC-R), which intersects per-modality neighbour sets to identify instances jointly close to the query in every modality, emerges as the strongest multimodal strategy, achieving the best or joint-best outcome on three of four datasets while grounding every explanation in the joint training distribution. Unimodal strategies remain competitive when a single modality dominates the decision boundary.
Abstract（参考訳）: マルチモーダルな入力から学習する分類器のためにポストホックな手法は設計されていないが、タブ、タイムリー、テキスト、画像データのための専用のフレームワークが導入された。既存のマルチモーダル分類器の説明可能性法は、各入力に対してモダリティ固有の属性を独立に適用し、コヒーレントな説明を得られず、任意の事前訓練されたマルチモーダルアーキテクチャに移行しない。これらの欠点に対処するため、我々はCRANE(Counterfactual Retrieval via Agnostic Nearest-Neighbour Explanations)を提示する。 4つの不均質なデータセットと3つの融合戦略により,各モダリティ近傍の集合を相互に交わし,全てのモダリティにおいてクエリに近接するインスタンスを識別するマルチモーダル・コンセンサス・レトリーバル(MC-R)が最強のマルチモーダル・ストラテジーとして出現し,4つのデータセットのうち3つにおいて最善あるいは共同ベストな結果を達成するとともに,共同トレーニング分布のすべての説明を基礎にしている。一様戦略は、単一のモダリティが決定境界を支配するとき、競争力を維持する。

関連論文リスト

A Benchmark for Semi-supervised Multi-modal Crowd Counting [70.51330672285022]
本稿では,半教師付きマルチモーダル群カウントに関する最初のベンチマークを構築した。まず,ラベル付き非ラベルデータパーティションを異なるラベル付き比率で指定する,半教師付きマルチモーダル設定と標準化プロトコルを定式化する。
論文参考訳（メタデータ） (2026-06-02T13:38:41Z)
CAST: Collapse-Aware multi-Scale Topology Fusion for Multimodal Coreset Selection [8.275673045109079]
マルチモーダルコアセット選択のためのCollapse-Aware Multi-Scale Topology fusion frameworkを提案する。まず、画像とテキストのモダリティのトポロジを構築し、局所的なコラプス認識とクロスモーダル融合による統一トポロジを導出する。次に、拡散ウェーブレット領域にマルチスケール分布マッチング基準を導入し、コアセットが元のデータセットを複数のスケールで近似することを奨励する。
論文参考訳（メタデータ） (2026-05-12T07:59:08Z)
Robust Multispectral Semantic Segmentation under Missing or Full Modalities via Structured Latent Projection [5.097809301149341]
現実世界の展開では、センサーの故障、取得の問題、大気条件の難しさにより、いくつかのモダリティが利用できない可能性がある。既存のマルチモーダルセグメンテーションモデルは、通常、入力間で共有表現を学ぶことで、欠落したモダリティに対処する。我々は、モダリティ不変情報とモダリティ固有情報の両方を保存するために設計されたマルチモーダルセマンティックセマンティックセマンティクスモデルCBC-SLPを用いて、この制限に取り組む。
論文参考訳（メタデータ） (2026-04-17T09:05:22Z)
DecepGPT: Schema-Driven Deception Detection with Multicultural Datasets and Robust Multimodal Learning [64.33887406863899]
マルチモーダル偽装検出は、法医学とセキュリティのための聴覚的手がかりを解析することにより、偽装行動を特定することを目的としている。既存のベンチマークでは、中間的な推論手段を使わずにバイナリラベルのみを提供する。構造的キューレベルの記述と推論チェーンを用いた推論データセットを構築した。 1695年のサンプルでは、非実験的偽装検出データセットとしては最大である。
論文参考訳（メタデータ） (2026-03-25T04:06:36Z)
From Sparse Decisions to Dense Reasoning: A Multi-attribute Trajectory Paradigm for Multimodal Moderation [59.27094165576015]
疎度な意思決定から高密度な推論トレースへ移行する新しい学習パラダイム(UniMod)を提案する。モノリシックな意思決定タスクを多次元境界学習プロセスに再構成し,エビデンス,モダリティ評価,リスクマッピング,政策決定,応答生成を含む構造化軌道を構築する。タスク固有のパラメータを分離し、トレーニングダイナミクスを再バランスさせ、マルチタスク学習における多様な目的間の干渉を効果的に解消する、特別な最適化戦略を導入する。
論文参考訳（メタデータ） (2026-01-28T09:29:40Z)
NExT-OMNI: Towards Any-to-Any Omnimodal Foundation Models with Discrete Flow Matching [64.10695425442164]
NExT-OMNI(英語版)は、離散フローパラダイムによる統一モデリングを実現するオープンソース・オムニモーダル・ファンデーション・モデルである。 NExT-OMNIは、大規模なインターリーブ付きテキスト、画像、ビデオ、オーディオデータに基づいて訓練され、マルチモーダル生成および理解ベンチマーク上で競合するパフォーマンスを提供する。さらなる研究を進めるために、トレーニングの詳細、データプロトコル、およびコードとモデルチェックポイントの両方をオープンソース化する。
論文参考訳（メタデータ） (2025-10-15T16:25:18Z)
Unified Multi-modal Unsupervised Representation Learning for Skeleton-based Action Understanding [62.70450216120704]
教師なしの事前訓練は骨格に基づく行動理解において大きな成功を収めた。我々はUmURLと呼ばれる統一マルチモーダル非教師なし表現学習フレームワークを提案する。 UmURLは効率的な早期融合戦略を利用して、マルチモーダル機能を単一ストリームで共同でエンコードする。
論文参考訳（メタデータ） (2023-11-06T13:56:57Z)
Decoupling Common and Unique Representations for Multimodal Self-supervised Learning [22.12729786091061]
マルチモーダルな自己教師型学習のための簡易かつ効果的な方法として,Decoupling Common and Unique Representations (DeCUR)を提案する。マルチモーダル冗長性低減によるモーダル内埋め込みとモーダル内埋め込みを区別することにより、DeCURは異なるモーダル間で補完情報を統合できる。
論文参考訳（メタデータ） (2023-09-11T08:35:23Z)

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。