BriefGPT.xyz
Mar, 2022
反事实解释的扩散模型
Diffusion Models for Counterfactual Explanations
HTML
PDF
Guillaume Jeanneret, Loïc Simon, Frédéric Jurie
TL;DR
本论文提出DiME方法,在使用最近传播模型的同时利用引导生成扩散过程,充分利用目标分类器的梯度生成输入实例的反事实解释,进一步通过提出一个新的度量标准——相关差异,分析了目前评估虚假相关性的方法,并进行实验验证,结果表明该算法在CelebA上优于之前的最新研究成果。
Abstract
counterfactual explanations
have shown promising results as a post-hoc framework to make
image classifiers
more explainable. In this paper, we propose
→