Buchumschlag

Evaluating the Stability of Semantic Concept Representations in CNNs for Robust Explainability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mikriukov, Georgii, Schwalbe, Gesina, Hellert, Christian, Bade, Korinna
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Artificial Intelligence 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

Local Concept Embeddings for Analysis of Concept Distributions in Vision DNN Feature Spaces
von: Mikriukov, Georgii, et al.
Veröffentlicht: (2023)

The Anatomy of Adversarial Attacks: Concept-based XAI Dissection
von: Mikriukov, Georgii, et al.
Veröffentlicht: (2024)

Locally Testing Model Detections for Semantic Global Concepts
von: Motzkus, Franz, et al.
Veröffentlicht: (2024)

On Background Bias of Post-Hoc Concept Embeddings in Computer Vision DNNs
von: Schwalbe, Gesina, et al.
Veröffentlicht: (2025)

Weakly Supervised Concept Learning for Object-centric Visual Reasoning
von: Tiwari, Sparsh, et al.
Veröffentlicht: (2026)

Investigating Calibration and Corruption Robustness of Post-hoc Pruned Perception CNNs: An Image Classification Benchmark Study
von: Mitra, Pallavi, et al.
Veröffentlicht: (2024)

Concept-Based Explanations in Computer Vision: Where Are We and Where Could We Go?
von: Lee, Jae Hee, et al.
Veröffentlicht: (2024)

TraNCE: Transformative Non-linear Concept Explainer for CNNs
von: Akpudo, Ugochukwu Ejike, et al.
Veröffentlicht: (2025)

Reliable Evaluation of Attribution Maps in CNNs: A Perturbation-Based Approach
von: Nieradzik, Lars, et al.
Veröffentlicht: (2024)

Efficient Hyperparameter Importance Assessment for CNNs
von: Wang, Ruinan, et al.
Veröffentlicht: (2024)

Unveiling Ontological Commitment in Multi-Modal Foundation Models
von: Keser, Mert, et al.
Veröffentlicht: (2024)

Post-Hoc Concept Disentanglement: From Correlated to Isolated Concept Representations
von: Erogullari, Eren, et al.
Veröffentlicht: (2025)

CNNs Avoid Curse of Dimensionality by Learning on Patches
von: Madala, Vamshi C., et al.
Veröffentlicht: (2022)

Explaning with trees: interpreting CNNs using hierarchies
von: Rodrigues, Caroline Mazini, et al.
Veröffentlicht: (2024)

From Ground to Air: Noise Robustness in Vision Transformers and CNNs for Event-Based Vehicle Classification with Potential UAV Applications
von: Almesafri, Nouf, et al.
Veröffentlicht: (2025)

Explaining Model Overfitting in CNNs via GMM Clustering
von: Dou, Hui, et al.
Veröffentlicht: (2024)

Beyond the Veil of Similarity: Quantifying Semantic Continuity in Explainable AI
von: Huang, Qi, et al.
Veröffentlicht: (2024)

Disentangled Sparse Representations for Concept-Separated Diffusion Unlearning
von: Kim, Hyeonjin, et al.
Veröffentlicht: (2026)

Visual-TCAV: Concept-based Attribution and Saliency Maps for Post-hoc Explainability in Image Classification
von: De Santis, Antonio, et al.
Veröffentlicht: (2024)

Pruning By Explaining Revisited: Optimizing Attribution Methods to Prune CNNs and Transformers
von: Hatefi, Sayed Mohammad Vakilzadeh, et al.
Veröffentlicht: (2024)

Stacked Ensemble of Fine-Tuned CNNs for Knee Osteoarthritis Severity Grading
von: Gupta, Adarsh, et al.
Veröffentlicht: (2025)

A Concept-Based Explainability Framework for Large Multimodal Models
von: Parekh, Jayneel, et al.
Veröffentlicht: (2024)

Do Transformers Understand Ancient Roman Coin Motifs Better than CNNs?
von: Reid, David, et al.
Veröffentlicht: (2026)

Understanding Distributed Representations of Concepts in Deep Neural Networks without Supervision
von: Chang, Wonjoon, et al.
Veröffentlicht: (2023)

Semantically Guided Representation Learning For Action Anticipation
von: Diko, Anxhelo, et al.
Veröffentlicht: (2024)

RNNs, CNNs and Transformers in Human Action Recognition: A Survey and a Hybrid Model
von: Alomar, Khaled, et al.
Veröffentlicht: (2024)

Bongard-RWR+: Real-World Representations of Fine-Grained Concepts in Bongard Problems
von: Pawlonka, Szymon, et al.
Veröffentlicht: (2025)

Robust and Explainable Bicuspid Aortic Valve Diagnosis Using Stacked Ensembles on Echocardiography
von: Nikolaidis, Christos Chrysanthos, et al.
Veröffentlicht: (2026)

Activation-Deactivation: A General Framework for Robust Post-hoc Explainable AI
von: Chanchal, Akchunya, et al.
Veröffentlicht: (2025)

Can we Constrain Concept Bottleneck Models to Learn Semantically Meaningful Input Features?
von: Furby, Jack, et al.
Veröffentlicht: (2024)

Label Semantics for Robust Hyperspectral Image Classification
von: Hassan, Rafin, et al.
Veröffentlicht: (2025)

VORTEX: Challenging CNNs at Texture Recognition by using Vision Transformers with Orderless and Randomized Token Encodings
von: Scabini, Leonardo, et al.
Veröffentlicht: (2025)

LeafLife: An Explainable Deep Learning Framework with Robustness for Grape Leaf Disease Recognition
von: Alam, B. M. Shahria, et al.
Veröffentlicht: (2026)

Learning Sparse Visual Representations via Spatial-Semantic Factorization
von: Zhao, Theodore Zhengde, et al.
Veröffentlicht: (2026)

Do Diffusion Models Learn Semantically Meaningful and Efficient Representations?
von: Liang, Qiyao, et al.
Veröffentlicht: (2024)

ImageNet-trained CNNs are not biased towards texture: Revisiting feature reliance through controlled suppression
von: Burgert, Tom, et al.
Veröffentlicht: (2025)

Frugal Federated Learning for Violence Detection: A Comparison of LoRA-Tuned VLMs and Personalized CNNs
von: Thuau, Sébastien, et al.
Veröffentlicht: (2025)

SpectralGCD: Spectral Concept Selection and Cross-modal Representation Learning for Generalized Category Discovery
von: Caselli, Lorenzo, et al.
Veröffentlicht: (2026)

TeaLeafVision: An Explainable and Robust Deep Learning Framework for Tea Leaf Disease Classification
von: Ahamed, Rafi, et al.
Veröffentlicht: (2026)

SEMIR: Semantic Minor-Induced Representation Learning on Graphs for Visual Segmentation
von: Miller, Luke James, et al.
Veröffentlicht: (2026)