Copertina

Optimising for Interpretability: Convolutional Dynamic Alignment Networks

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Böhle, Moritz, Fritz, Mario, Schiele, Bernt
Natura:	Preprint
Pubblicazione:	2021
Soggetti:	Machine Learning Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Convolutional Dynamic Alignment Networks for Interpretable Classifications
di: Böhle, Moritz, et al.
Pubblicazione: (2021)

B-cosification: Transforming Deep Neural Networks to be Inherently Interpretable
di: Arya, Shreyash, et al.
Pubblicazione: (2024)

B-cos Alignment for Inherently Interpretable CNNs and Vision Transformers
di: Böhle, Moritz, et al.
Pubblicazione: (2023)

Towards Better Understanding Attribution Methods
di: Rao, Sukrut, et al.
Pubblicazione: (2022)

Better Understanding Differences in Attribution Methods via Systematic Evaluations
di: Rao, Sukrut, et al.
Pubblicazione: (2023)

Discover-then-Name: Task-Agnostic Concept Bottlenecks via Automated Concept Discovery
di: Rao, Sukrut, et al.
Pubblicazione: (2024)

Studying How to Efficiently and Effectively Guide Models with Explanations
di: Rao, Sukrut, et al.
Pubblicazione: (2023)

Good Teachers Explain: Explanation-Enhanced Knowledge Distillation
di: Parchami-Araghi, Amin, et al.
Pubblicazione: (2024)

Adaptive Hierarchical Certification for Segmentation using Randomized Smoothing
di: Anani, Alaa, et al.
Pubblicazione: (2024)

How to Probe: Simple Yet Effective Techniques for Improving Post-hoc Explanations
di: Gairola, Siddhartha, et al.
Pubblicazione: (2025)

Pixel-level Certified Explanations via Randomized Smoothing
di: Anani, Alaa, et al.
Pubblicazione: (2025)

Interpretability Without Tradeoffs: Disentangling Polysemanticity At Equal Predictive Performance
di: Bağcı, Doğukan, et al.
Pubblicazione: (2026)

Adversarial Training against Location-Optimized Adversarial Patches
di: Rao, Sukrut, et al.
Pubblicazione: (2020)

Spatial Reasoners for Continuous Variables in Any Domain
di: Pogodzinski, Bart, et al.
Pubblicazione: (2025)

Spatial Reasoning with Denoising Models
di: Wewer, Christopher, et al.
Pubblicazione: (2025)

FaCT: Faithful Concept Traces for Explaining Neural Network Decisions
di: Parchami-Araghi, Amin, et al.
Pubblicazione: (2025)

Test-Time Visual In-Context Tuning
di: Xie, Jiahao, et al.
Pubblicazione: (2025)

What is Missing? Explaining Neurons Activated by Absent Concepts
di: Hesse, Robin, et al.
Pubblicazione: (2026)

Beyond Accuracy: What Matters in Designing Well-Behaved Image Classification Models?
di: Hesse, Robin, et al.
Pubblicazione: (2025)

VITAL: More Understandable Feature Visualization through Distribution Alignment and Relevant Information Flow
di: Gorgun, Ada, et al.
Pubblicazione: (2025)

CFM: Language-aligned Concept Foundation Model for Vision
di: Wittenmayer, Kai, et al.
Pubblicazione: (2026)

ELODI: Ensemble Logit Difference Inhibition for Positive-Congruent Training
di: Zhao, Yue, et al.
Pubblicazione: (2022)

AnyUp: Universal Feature Upsampling
di: Wimmer, Thomas, et al.
Pubblicazione: (2025)

Interpretable Diffusion Models with B-cos Networks
di: Bernold, Nicola, et al.
Pubblicazione: (2025)

Biological Plausibility and Representational Alignment of Feedback Alignment in Convolutional Networks
di: Lance, Jake, et al.
Pubblicazione: (2026)

AIM: Amending Inherent Interpretability via Self-Supervised Masking
di: Alshami, Eyad, et al.
Pubblicazione: (2025)

DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring
di: Dong, Jiangxin, et al.
Pubblicazione: (2021)

MEt3R: Measuring Multi-View Consistency in Generated Images
di: Asim, Mohammad, et al.
Pubblicazione: (2025)

MTA-CLIP: Language-Guided Semantic Segmentation with Mask-Text Alignment
di: Das, Anurag, et al.
Pubblicazione: (2024)

Explaining Deep Convolutional Neural Networks for Image Classification by Evolving Local Interpretable Model-agnostic Explanations
di: Wang, Bin, et al.
Pubblicazione: (2022)

A Stochastic Approach to Classification Error Estimates in Convolutional Neural Networks
di: Peleska, Jan, et al.
Pubblicazione: (2023)

PARCEL: Pool-Anchored Resampling with Conditioned Elastic Queries for Efficient Vision-Language Understanding
di: Kuzucu, Selim, et al.
Pubblicazione: (2026)

DAVE: Distribution-aware Attribution via ViT Gradient Decomposition
di: Wróbel, Adam, et al.
Pubblicazione: (2026)

An Embarrassingly Simple Baseline for Imbalanced Semi-Supervised Learning
di: Chen, Hao, et al.
Pubblicazione: (2022)

Kernel Normalized Convolutional Networks
di: Nasirigerdeh, Reza, et al.
Pubblicazione: (2022)

On the Efficiency of Convolutional Neural Networks
di: Lavin, Andrew
Pubblicazione: (2024)

Interpretable 3D Neural Object Volumes for Robust Conceptual Reasoning
di: Pham, Nhi, et al.
Pubblicazione: (2025)

From Pixels to Perception: Interpretable Predictions via Instance-wise Grouped Feature Selection
di: Vandenhirtz, Moritz, et al.
Pubblicazione: (2025)

Universal Sparse Autoencoders: Interpretable Cross-Model Concept Alignment
di: Thasarathan, Harrish, et al.
Pubblicazione: (2025)

Network Inversion of Convolutional Neural Nets
di: Suhail, Pirzada, et al.
Pubblicazione: (2024)