Buchumschlag

Can we Constrain Concept Bottleneck Models to Learn Semantically Meaningful Input Features?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Furby, Jack, Cunnington, Daniel, Braines, Dave, Preece, Alun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Impact of Concept Explanations and Interventions on Human-Machine Collaboration
von: Furby, Jack, et al.
Veröffentlicht: (2025)

Editable Concept Bottleneck Models
von: Hu, Lijie, et al.
Veröffentlicht: (2024)

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

Zero-shot Concept Bottleneck Models
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2025)

Process-Guided Concept Bottleneck Model
von: Asiyabi, Reza M., et al.
Veröffentlicht: (2026)

Semi-supervised Concept Bottleneck Models
von: Hu, Lijie, et al.
Veröffentlicht: (2024)

Improving Intervention Efficacy via Concept Realignment in Concept Bottleneck Models
von: Singhi, Nishad, et al.
Veröffentlicht: (2024)

Energy-Based Concept Bottleneck Models: Unifying Prediction, Concept Intervention, and Probabilistic Interpretations
von: Xu, Xinyue, et al.
Veröffentlicht: (2024)

Adaptive Concept Bottleneck for Foundation Models Under Distribution Shifts
von: Choi, Jihye, et al.
Veröffentlicht: (2024)

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

Explanation Bottleneck Models
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2024)

Feature-Space Generative Models for One-Shot Class-Incremental Learning
von: Foster, Jack, et al.
Veröffentlicht: (2026)

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

Uncertainty-Aware Concept Bottleneck Models with Enhanced Interpretability
von: Zhang, Haifei, et al.
Veröffentlicht: (2025)

Hierarchical, Interpretable, Label-Free Concept Bottleneck Model
von: Xie, Haodong, et al.
Veröffentlicht: (2026)

Concept Complement Bottleneck Model for Interpretable Medical Image Diagnosis
von: Wang, Hongmei, et al.
Veröffentlicht: (2024)

Explainable Visual Anomaly Detection via Concept Bottleneck Models
von: Stropeni, Arianna, et al.
Veröffentlicht: (2025)

Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling
von: Fan, Jianan, et al.
Veröffentlicht: (2024)

Evaluating the Stability of Semantic Concept Representations in CNNs for Robust Explainability
von: Mikriukov, Georgii, et al.
Veröffentlicht: (2023)

EQ-CBM: A Probabilistic Concept Bottleneck with Energy-based Models and Quantized Vectors
von: Kim, Sangwon, et al.
Veröffentlicht: (2024)

Discovering Hidden Visual Concepts Beyond Linguistic Input in Infant Learning
von: Ke, Xueyi, et al.
Veröffentlicht: (2025)

A Geometric Unification of Concept Learning with Concept Cones
von: Rocchi--Henry, Alexandre, et al.
Veröffentlicht: (2025)

VIBE: Video-Input Brain Encoder for fMRI Response Modeling
von: Schad, Daniel Carlström, et al.
Veröffentlicht: (2025)

Towards Continual Learning Desiderata via HSIC-Bottleneck Orthogonalization and Equiangular Embedding
von: Li, Depeng, et al.
Veröffentlicht: (2024)

Understanding Video Transformers via Universal Concept Discovery
von: Kowal, Matthew, et al.
Veröffentlicht: (2024)

Are Vision Transformer Representations Semantically Meaningful? A Case Study in Medical Imaging
von: Shams, Montasir, et al.
Veröffentlicht: (2025)

Concept Arithmetics for Circumventing Concept Inhibition in Diffusion Models
von: Petsiuk, Vitali, et al.
Veröffentlicht: (2024)

PotholeGuard: A Pothole Detection Approach by Point Cloud Semantic Segmentation
von: Nawale, Sahil, et al.
Veröffentlicht: (2023)

Input-Adaptive Generative Dynamics in Diffusion Models
von: Xing, Yucheng, et al.
Veröffentlicht: (2024)

Hyperbolic Concept Bottleneck Models
von: Uyterlinde, Daniel, et al.
Veröffentlicht: (2026)

PSA-VLM: Enhancing Vision-Language Model Safety through Progressive Concept-Bottleneck-Driven Alignment
von: Liu, Zhendong, et al.
Veröffentlicht: (2024)

TinyAlign: Boosting Lightweight Vision-Language Models by Mitigating Modal Alignment Bottlenecks
von: Hu, Yuanze, et al.
Veröffentlicht: (2025)

Concept Weaver: Enabling Multi-Concept Fusion in Text-to-Image Models
von: Kwon, Gihyun, et al.
Veröffentlicht: (2024)

CoBELa: Steering Transparent Generation via Concept Bottlenecks on Energy Landscapes
von: Kim, Sangwon, et al.
Veröffentlicht: (2025)

Learning to Infer Generative Template Programs for Visual Concepts
von: Jones, R. Kenny, et al.
Veröffentlicht: (2024)

ConceptPrune: Concept Editing in Diffusion Models via Skilled Neuron Pruning
von: Chavhan, Ruchika, et al.
Veröffentlicht: (2024)

MVP-CBM:Multi-layer Visual Preference-enhanced Concept Bottleneck Model for Explainable Medical Image Classification
von: Wang, Chunjiang, et al.
Veröffentlicht: (2025)

FILS: Self-Supervised Video Feature Prediction In Semantic Language Space
von: Ahmadian, Mona, et al.
Veröffentlicht: (2024)

Understanding Visual Concepts Across Models
von: Trabucco, Brandon, et al.
Veröffentlicht: (2024)

The Perceptual Bandwidth Bottleneck in Vision-Language Models: Active Visual Reasoning via Sequential Experimental Design
von: Liu, Anjie, et al.
Veröffentlicht: (2026)