Buchumschlag

Advancing Ante-Hoc Explainable Models through Generative Adversarial Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Garg, Tanmay, Vemuri, Deepika, Balasubramanian, Vineeth N
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Walking the Web of Concept-Class Relationships in Incrementally Trained Interpretable Models
von: Agrawal, Susmit, et al.
Veröffentlicht: (2025)

Impact of Adversarial Attacks on Deep Learning Model Explainability
von: Nur, Gazi Nazia, et al.
Veröffentlicht: (2024)

Text-To-Image with Generative Adversarial Networks
von: Momen-Tayefeh, Mehrshad
Veröffentlicht: (2024)

IGAN: Inferent and Generative Adversarial Networks
von: Vignaud, Luc
Veröffentlicht: (2021)

LogicCBMs: Logic-Enhanced Concept-Based Learning
von: Vemuri, Deepika SN, et al.
Veröffentlicht: (2025)

SEM: Sparse Embedding Modulation for Post-Hoc Debiasing of Vision-Language Models
von: Guimard, Quentin, et al.
Veröffentlicht: (2026)

CoDeGAN: Contrastive Disentanglement for Generative Adversarial Network
von: Zhao, Jiangwei, et al.
Veröffentlicht: (2021)

DiffFinger: Advancing Synthetic Fingerprint Generation through Denoising Diffusion Probabilistic Models
von: Grabovski, Freddie, et al.
Veröffentlicht: (2024)

Your VAR Model is Secretly an Efficient and Explainable Generative Classifier
von: Chen, Yi-Chung, et al.
Veröffentlicht: (2025)

LogTinyLLM: Tiny Large Language Models Based Contextual Log Anomaly Detection
von: Ocansey, Isaiah Thompson, et al.
Veröffentlicht: (2025)

Dissecting Model Failures in Abdominal Aortic Aneurysm Segmentation through Explainability-Driven Analysis
von: Sakib, Abu Noman Md, et al.
Veröffentlicht: (2026)

Toward Reliable Tea Leaf Disease Diagnosis Using Deep Learning Model: Enhancing Robustness With Explainable AI and Adversarial Training
von: Ghosh, Samanta, et al.
Veröffentlicht: (2026)

Toward Reliable and Explainable Nail Disease Classification: Leveraging Adversarial Training and Grad-CAM Visualization
von: Hossain, Farzia, et al.
Veröffentlicht: (2026)

Adapt then Unlearn: Exploring Parameter Space Semantics for Unlearning in Generative Adversarial Networks
von: Tiwary, Piyush, et al.
Veröffentlicht: (2023)

Advancing Histopathology-Based Breast Cancer Diagnosis: Insights into Multi-Modality and Explainability
von: Abdullakutty, Faseela, et al.
Veröffentlicht: (2024)

Recall-Oriented Continual Learning with Generative Adversarial Meta-Model
von: Kang, Haneol, et al.
Veröffentlicht: (2024)

Improved Diffusion-based Generative Model with Better Adversarial Robustness
von: Wang, Zekun, et al.
Veröffentlicht: (2025)

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

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

Feature Attribution Stability Suite: How Stable Are Post-Hoc Attributions?
von: Subramaniakuppusamy, Kamalasankari, et al.
Veröffentlicht: (2026)

CKGAN: Training Generative Adversarial Networks Using Characteristic Kernel Integral Probability Metrics
von: Zhang, Kuntian, et al.
Veröffentlicht: (2025)

Interdisciplinary Expertise to Advance Equitable Explainable AI
von: Bennett, Chloe R., et al.
Veröffentlicht: (2024)

Provenance Networks: End-to-End Exemplar-Based Explainability
von: Kayyam, Ali, et al.
Veröffentlicht: (2025)

Adversarial robustness of VAEs through the lens of local geometry
von: Khan, Asif, et al.
Veröffentlicht: (2022)

A Generative Adversarial Network-based Method for LiDAR-Assisted Radar Image Enhancement
von: Thilakanayake, Thakshila, et al.
Veröffentlicht: (2024)

Enhancing Manufacturing Quality Prediction Models through the Integration of Explainability Methods
von: Gross, Dennis, et al.
Veröffentlicht: (2024)

Understanding Task Transfer in Vision-Language Models
von: Sachdeva, Bhuvan, et al.
Veröffentlicht: (2025)

Explainability of Point Cloud Neural Networks Using SMILE: Statistical Model-Agnostic Interpretability with Local Explanations
von: Ahmadi, Seyed Mohammad, et al.
Veröffentlicht: (2024)

Learning Private Representations through Entropy-based Adversarial Training
von: Klein, Tassilo, et al.
Veröffentlicht: (2025)

Adversarial Wear and Tear: Exploiting Natural Damage for Generating Physical-World Adversarial Examples
von: Irshad, Samra, et al.
Veröffentlicht: (2025)

Evaluating Explainable AI Methods in Deep Learning Models for Early Detection of Cerebral Palsy
von: Pellano, Kimji N., et al.
Veröffentlicht: (2024)

General Cyclical Training of Neural Networks
von: Smith, Leslie N.
Veröffentlicht: (2022)

Colour and Brush Stroke Pattern Recognition in Abstract Art using Modified Deep Convolutional Generative Adversarial Networks
von: Srinivasan, Srinitish, et al.
Veröffentlicht: (2024)

Clinical Domain Knowledge-Derived Template Improves Post Hoc AI Explanations in Pneumothorax Classification
von: Yuan, Han, et al.
Veröffentlicht: (2024)

Fingerprinting Image-to-Image Generative Adversarial Networks
von: Li, Guanlin, et al.
Veröffentlicht: (2021)

Fluid Grey 2: How Well Does Generative Adversarial Network Learn Deeper Topology Structure in Architecture That Matches Images?
von: Qiu, Yayan, et al.
Veröffentlicht: (2025)

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

Adversarial Examples: Generation Proposal in the Context of Facial Recognition Systems
von: Fuster, Marina, et al.
Veröffentlicht: (2024)

Structure-Guided Adversarial Training of Diffusion Models
von: Yang, Ling, et al.
Veröffentlicht: (2024)

Assessing Robustness via Score-Based Adversarial Image Generation
von: Kollovieh, Marcel, et al.
Veröffentlicht: (2023)