Buchumschlag

Walking the Web of Concept-Class Relationships in Incrementally Trained Interpretable Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Agrawal, Susmit, Vemuri, Deepika, P, Sri Siddarth Chakaravarthy, Balasubramanian, Vineeth N.
Format:	Preprint
Veröffentlicht:	2025
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

Advancing Ante-Hoc Explainable Models through Generative Adversarial Networks
von: Garg, Tanmay, et al.
Veröffentlicht: (2024)

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

Faithful GRPO: Improving Visual Spatial Reasoning in Multimodal Language Models via Constrained Policy Optimization
von: Kancheti, Sai Srinivas, et al.
Veröffentlicht: (2026)

Chain-of-Thought Degrades Visual Spatial Reasoning Capabilities of Multimodal LLMs
von: Kancheti, Sai Srinivas, et al.
Veröffentlicht: (2026)

Mind's Eye: A Benchmark of Visual Abstraction, Transformation and Composition for Multimodal LLMs
von: Sinha, Rohit, et al.
Veröffentlicht: (2026)

Swift Sampling: Selecting Temporal Surprises via Taylor Series
von: Kim, Dahye, et al.
Veröffentlicht: (2026)

Versatile Incremental Learning: Towards Class and Domain-Agnostic Incremental Learning
von: Park, Min-Yeong, et al.
Veröffentlicht: (2024)

Federated Class-Incremental Learning with Prompting
von: Luo, Xin, et al.
Veröffentlicht: (2023)

Enhancing Generative Class Incremental Learning Performance with Model Forgetting Approach
von: Togo, Taro, et al.
Veröffentlicht: (2024)

Compositional Few-Shot Class-Incremental Learning
von: Zou, Yixiong, et al.
Veröffentlicht: (2024)

ACIL: Active Class Incremental Learning for Image Classification
von: Bhattacharya, Aditya R., et al.
Veröffentlicht: (2026)

Representation Calibration and Uncertainty Guidance for Class-Incremental Learning based on Vision Language Model
von: Tan, Jiantao, et al.
Veröffentlicht: (2025)

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)

Multimodal Parameter-Efficient Few-Shot Class Incremental Learning
von: D'Alessandro, Marco, et al.
Veröffentlicht: (2023)

Hierarchical Representation Matching for CLIP-based Class-Incremental Learning
von: Wen, Zhen-Hao, et al.
Veröffentlicht: (2025)

Addressing Imbalance for Class Incremental Learning in Medical Image Classification
von: Hao, Xuze, et al.
Veröffentlicht: (2024)

Knowledge Adaptation Network for Few-Shot Class-Incremental Learning
von: Wang, Ye, et al.
Veröffentlicht: (2024)

Completely Weakly Supervised Class-Incremental Learning for Semantic Segmentation
von: Kim, David Minkwan, et al.
Veröffentlicht: (2025)

Multi-Site Class-Incremental Learning with Weighted Experts in Echocardiography
von: Bransby, Kit M., et al.
Veröffentlicht: (2024)

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

Covariance-based Space Regularization for Few-shot Class Incremental Learning
von: Hu, Yijie, et al.
Veröffentlicht: (2024)

Generative Multi-modal Models are Good Class-Incremental Learners
von: Cao, Xusheng, et al.
Veröffentlicht: (2024)

Learn by Reasoning: Analogical Weight Generation for Few-Shot Class-Incremental Learning
von: Han, Jizhou, et al.
Veröffentlicht: (2025)

Few-shot Class-Incremental Learning via Generative Co-Memory Regularization
von: Bao, Kexin, et al.
Veröffentlicht: (2026)

CLOSER: Towards Better Representation Learning for Few-Shot Class-Incremental Learning
von: Oh, Junghun, et al.
Veröffentlicht: (2024)

CD^2: Constrained Dataset Distillation for Few-Shot Class-Incremental Learning
von: Bao, Kexin, et al.
Veröffentlicht: (2026)

CEAT: Continual Expansion and Absorption Transformer for Non-Exemplar Class-Incremental Learning
von: Gao, Xinyuan, et al.
Veröffentlicht: (2024)

Divide and Conquer: Static-Dynamic Collaboration for Few-Shot Class-Incremental Learning
von: Bao, Kexin, et al.
Veröffentlicht: (2026)

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

Scalable Analytic Classifiers with Associative Drift Compensation for Class-Incremental Learning of Vision Transformers
von: Rao, Xuan, et al.
Veröffentlicht: (2026)

Delve into Base-Novel Confusion: Redundancy Exploration for Few-Shot Class-Incremental Learning
von: Zhou, Haichen, et al.
Veröffentlicht: (2024)

Less is more: Summarizing Patch Tokens for efficient Multi-Label Class-Incremental Learning
von: De Min, Thomas, et al.
Veröffentlicht: (2024)

DualTeacher: Bridging Coexistence of Unlabelled Classes for Semi-supervised Incremental Object Detection
von: Yuan, Ziqi, et al.
Veröffentlicht: (2023)

Compensating Visual Insufficiency with Stratified Language Guidance for Long-Tail Class Incremental Learning
von: Wang, Xi, et al.
Veröffentlicht: (2026)

PKI: Prior Knowledge-Infused Neural Network for Few-Shot Class-Incremental Learning
von: Baoa, Kexin, et al.
Veröffentlicht: (2026)

SEDEG:Sequential Enhancement of Decoder and Encoder's Generality for Class Incremental Learning with Small Memory
von: Chen, Hongyang, et al.
Veröffentlicht: (2025)

MoTiC: Momentum Tightness and Contrast for Few-Shot Class-Incremental Learning
von: He, Zeyu, et al.
Veröffentlicht: (2025)

SPRINT: Semi-supervised Prototypical Representation for Few-Shot Class-Incremental Tabular Learning
von: Suleymanov, Umid, et al.
Veröffentlicht: (2026)

SPARC: Concept-Aligned Sparse Autoencoders for Cross-Model and Cross-Modal Interpretability
von: Nasiri-Sarvi, Ali, et al.
Veröffentlicht: (2025)