論文の概要: Seeing Through Distractions: Context-Stable Attribution via the Least Core

• arxiv url: http://arxiv.org/abs/2610.35827v1
• Date: Mon, 26 Oct 2026 17:49:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.132814
• Title: Seeing Through Distractions: Context-Stable Attribution via the Least Core
• Title（参考訳）: ディトラクションを通して見る:最小コアによるコンテキスト安定属性
• Abstract要約: コンピュータビジョンでは、完全な真の画像に加えられると、ある機能がターゲットクラスのスコアを乱すことがある。 我々は文脈的特徴を定式化し、その属性を半値と最小コアで調べる。
• 参考スコア（独自算出の注目度）: 13.549977122454948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shapley-value-based explanations are widely used for feature attribution in machine learning. However, in computer vision, a feature may reduce the target-class score when added to the complete genuine image, even when the predicted label remains unchanged. We formalize such features as contextual distractors and investigate their attributions under semivalues and the least core. Under a weak average marginal monotonicity assumption, we derive quantitative semivalue--least-core gap bounds and sufficient conditions based on the probability of sampling smaller contexts. We further show that shifting semivalue weights toward larger contexts decreases the signed gap. Finally, controlled image-classification experiments and evaluations on Salient ImageNet provide strong empirical support for our theoretical findings.
• Abstract（参考訳）: シェープ値に基づく説明は、機械学習における特徴属性に広く使われている。 しかし、コンピュータビジョンでは、予測されたラベルが変更されていない場合でも、完全な真の画像に追加した場合、ターゲットクラススコアが低下する可能性がある。 我々は、文脈的注意散らしなどの特徴を形式化し、半値と最小コアの下でそれらの属性を調査する。 弱平均境界単調性仮定の下では、より小さな文脈をサンプリングする確率に基づいて、定量半値-最小コアギャップ境界と十分な条件を導出する。 さらに、半値重みをより大きな文脈にシフトすることで、符号付きギャップが減少することを示す。 最後に、Salient ImageNetを用いた画像分類実験と評価により、我々の理論的知見に強力な実証的支援を提供する。

関連論文リスト

• Back into Plato's Cave: Examining Cross-modal Representational Convergence at Scale [40.31924374728614]
  プラトン表現仮説(Platonic Representation hypothesis)は、異なるモダリティで訓練されたニューラルネットワークが一致し、最終的に同じ現実の表現に向かって収束することを示唆している。 この仮説の実験的証拠は脆弱であり, 評価体制に大きく依存していることが示唆された。
  論文  参考訳（メタデータ） (2026-04-20T17:56:02Z)
• Adversarial Lens: Exploiting Attention Layers to Generate Adversarial Examples for Evaluation [0.2800045883776013]
  注意層トークン分布から直接逆例を生成する。 中間層から抽出したトークンが下流評価タスクに有効な逆摂動として有効であるかどうかを評価する。
  論文  参考訳（メタデータ） (2025-12-29T19:59:52Z)
• An Augmentation Overlap Theory of Contrastive Learning [39.44413331664107]
  自己指導型コントラスト学習は様々なタスクで大きな成功を収めた。 本稿では,条件独立の仮定に基づいて,最も厳密な境界を提供する。 また、条件付き独立仮定を、拡張重複のより実践的な仮定に緩和する。
  論文  参考訳（メタデータ） (2025-11-05T01:45:48Z)
• Sampling Matters in Explanations: Towards Trustworthy Attribution Analysis Building Block in Visual Models through Maximizing Explanation Certainty [0.0]
  信頼に値する帰属分析を構築するには、サンプル分布の不一致問題を解決する必要がある。 本稿では,入力からの特徴を抑圧し,半最適サンプリング手法を提案する。 我々のアプローチは効果的であり、最先端のベースラインに対してより満足のいく説明を得ることができる。
  論文  参考訳（メタデータ） (2025-06-24T09:15:22Z)
• Improving Network Interpretability via Explanation Consistency Evaluation [56.14036428778861]
  本稿では、より説明可能なアクティベーションヒートマップを取得し、同時にモデル性能を向上させるフレームワークを提案する。 具体的には、モデル学習において、トレーニングサンプルを適応的に重み付けするために、新しいメトリクス、すなわち説明整合性を導入する。 そこで,本フレームワークは,これらのトレーニングサンプルに深い注意を払ってモデル学習を促進する。
  論文  参考訳（メタデータ） (2024-08-08T17:20:08Z)
• Variational Classification [51.2541371924591]
  我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。 軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。 我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
  論文  参考訳（メタデータ） (2023-05-17T17:47:19Z)
• Chaos is a Ladder: A New Theoretical Understanding of Contrastive Learning via Augmentation Overlap [64.60460828425502]
  コントラスト学習の下流性能に関する新たな保証を提案する。 我々の新しい理論は、攻撃的なデータ強化の下で、異なるクラス内サンプルのサポートがより重なり合うという知見に基づいている。 本稿では、下流の精度とよく一致した教師なしモデル選択距離ARCを提案する。
  論文  参考訳（メタデータ） (2022-03-25T05:36:26Z)
• Semi-supervised Semantic Segmentation with Directional Context-aware Consistency [66.49995436833667]
  我々は、ラベル付きデータの小さなセットに、全くラベル付けされていない画像のより大きなコレクションを提供する半教師付きセグメンテーション問題に焦点をあてる。 好ましいハイレベル表現は、自己認識を失わずにコンテキスト情報をキャプチャするべきである。 我々は,DCロス(Directional Contrastive Loss)を画素対ピクセルの整合性を達成するために提示する。
  論文  参考訳（メタデータ） (2021-06-27T03:42:40Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)

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。