Buchumschlag

Towards Better Understanding Attribution Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rao, Sukrut, Böhle, Moritz, Schiele, Bernt
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

Optimising for Interpretability: Convolutional Dynamic Alignment Networks
von: Böhle, Moritz, et al.
Veröffentlicht: (2021)

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

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

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

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

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

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

OrCo: Towards Better Generalization via Orthogonality and Contrast for Few-Shot Class-Incremental Learning
von: Ahmed, Noor, et al.
Veröffentlicht: (2024)

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

Spatial Reasoning with Denoising Models
von: Wewer, Christopher, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

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

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

ClipTTT: CLIP-Guided Test-Time Training Helps LVLMs See Better
von: Nath, Mriganka, et al.
Veröffentlicht: (2026)

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

AnyUp: Universal Feature Upsampling
von: Wimmer, Thomas, et al.
Veröffentlicht: (2025)

MM-SpuBench: Towards Better Understanding of Spurious Biases in Multimodal LLMs
von: Ye, Wenqian, et al.
Veröffentlicht: (2024)

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

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

Evaluating Feature Attribution Methods in the Image Domain
von: Gevaert, Arne, et al.
Veröffentlicht: (2022)

An Attribute-based Method for Video Anomaly Detection
von: Reiss, Tal, et al.
Veröffentlicht: (2022)

Provably Better Explanations with Optimized Aggregation of Feature Attributions
von: Decker, Thomas, et al.
Veröffentlicht: (2024)

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

Towards a Better Evaluation of Out-of-Domain Generalization
von: Hwang, Duhun, et al.
Veröffentlicht: (2024)

Path Choice Matters for Clear Attribution in Path Methods
von: Zhang, Borui, et al.
Veröffentlicht: (2024)

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

Latent Diffusion Inversion Requires Understanding the Latent Space
von: Rao, Mingxing, et al.
Veröffentlicht: (2025)

LibraGrad: Balancing Gradient Flow for Universally Better Vision Transformer Attributions
von: Mehri, Faridoun, et al.
Veröffentlicht: (2024)

Towards Better Alignment: Training Diffusion Models with Reinforcement Learning Against Sparse Rewards
von: Hu, Zijing, et al.
Veröffentlicht: (2025)

Towards Sparse Video Understanding and Reasoning
von: Xu, Chenwei, et al.
Veröffentlicht: (2026)