该论文介绍了一种基于文本或图像的提示（如 “年轻的脸” 或 “惊讶的脸”）来操纵三维生成模型中形态和纹理的方法，利用了对比语言图像预训练模型（CLIP）和预训练的生成人脸的三维 GAN 模型创建了一个完全可微的渲染管道来操作网格。

Feb, 2022

我们展示了一种虚拟现实工具，利用手势和运动自动将数据输入分配到不同类别，实现了深度神经网络在透明度方面的可视化和加速了最终用户开发深度学习应用的过程。

May, 2023

本文提出了一种新的方法，通过找到生成模型中有意义的方向来提高生成模型潜在空间的可解释性，从而精确地控制生成图像的特定属性，如位置或比例。该方法对于搜索编码生成图像的简单变换方向（如平移，缩放或颜色变化）特别适用，并在 GAN 和变分自动编码器模型的质量和量化方面得到了证明。

Jan, 2020

该研究论文研究了如何利用 StyleCLIP 和神经网络技术来对 CAD 模型进行自动化相关特性的优化，扩展了 StyleCLIP 的能力以适用三维 CAD 模型，从而利用未标记的 CAD 数据量实现设计优化。

Mar, 2023

本研究通过使用干预机制，利用离散变分自编码器来转移预测类别，进而可视化任何隐藏层的编码信息和对应的被干预表示来揭示深度神经网络的隐含概念，并通过评估原始表示与被干预表示之间的差异来确定可改变类别的概念，从而提高模型的可解释性。我们在 CelebA 数据集上展示了我们方法的有效性，并展示了有偏差数据的各种可视化并提供不同的干预方法来揭示和更正偏见。

Dec, 2021

本文旨在通过为二分类任务提供人机学习界面，使人类注释者能够利用反事实例来补充标准的二分类标签，以缓解人类注释者适应传统标签所施加的限制。

Mar, 2024

本文提出利用生成对抗网络（GAN）为新手用户设计真实世界形状，使用具有简单界面的体素网格进行编辑。该方法的主要优势是通过学习投影和生成算子来协助用户创建背景分布对象形状的 3D 模型，同时不必指定所有细节。通过该算法及工具的实验表明 GAN 是计算机辅助交互建模的一种有前途的方法。

Jun, 2017

本文提出一种基于协同语义推理（CSI）的框架，通过人机视觉交互设计，实现人与算法的可视化协同，揭示深度学习模型的推理过程，从而使用户能够理解和控制模型的部分推理过程，其应用于文档摘要系统的案例研究表明了其可行性。

Jul, 2019

本文研究了通过插入一个空间语义导向层来引导卷积神经网络的性能，包括使用交互式权重的循环模型来学习口头交互，并在两个数据集上进行了评估。

Mar, 2018

本文研究生成对抗网络（GANs）中的潜在空间与三维对象的关系，探讨了几种 GAN 的变体和训练方法，旨在提高 3D GAN 的训练效果，同时提出了未来研究的方向。

Apr, 2023