Jun, 2022
利用生成潜空间中的对比可反事实来解释图像分类器
Explaining Image Classifiers Using Contrastive Counterfactuals in Generative Latent Spaces
Kamran Alipour, Aditya Lahiri, Ehsan Adeli, Babak Salimi, Michael Pazzani
TL;DR在不需要重新训练或调整的情况下，使用预训练的生成模型，介绍了生成因果关系和可解释的反事实解释方法，以提供对黑匣子算法的透明性，并获得对面部属性分类器的对比和因果支持和必要分数，从而展示不同属性如何影响分类器输出。