counterfactual image editing is an important task in generative ai, which
asks how an image would look if certain features were different. The current
literature on the topic focuses primarily on changing individ
本研究提出了一个用于评估图像反事实的通用框架,使用深度生成模型学习结构因果模型,重新审视 Pearl 关于反事实公理定义的约束以确定对任何反事实推理模型的必要约束:组合性、可逆性和有效性,并且使用这些约束对反事实进行限制,从而得到了近似函数和理想函数间的距离度量,展示了如何使用这些度量来比较和选择不同的近似反事实推理模型,并揭示模型的不足和权衡。