Buchumschlag

Enhancing Interpretability in Generative Modeling: Statistically Disentangled Latent Spaces Guided by Generative Factors in Scientific Datasets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ganguli, Arkaprabha, Ramachandra, Nesar, Bessac, Julie, Constantinescu, Emil
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uncovering Physical Drivers of Dark Matter Halo Structures with Auxiliary-Variable-Guided Generative Models
von: Ganguli, Arkaprabha, et al.
Veröffentlicht: (2026)

Disentangled Deep Priors for Bayesian Inverse Problems
von: Ganguli, Arkaprabha, et al.
Veröffentlicht: (2026)

Summary Statistics of Large-scale Model Outputs for Observation-corrected Outputs
von: Chakraborty, Atlanta, et al.
Veröffentlicht: (2025)

Multi-modal Bayesian Neural Network Surrogates with Conjugate Last-Layer Estimation
von: Taylor, Ian, et al.
Veröffentlicht: (2025)

Latent Space Disentanglement via Activation Steering for Interpretable Attribute Control in Symbolic Music Generation
von: Prokopiou, Ioannis, et al.
Veröffentlicht: (2026)

Reflections on Disentanglement and the Latent Space
von: Schaerf, Ludovica
Veröffentlicht: (2024)

Disentangled Latent Spaces for Reduced Order Models using Deterministic Autoencoders
von: Schwarz, Henning, et al.
Veröffentlicht: (2025)

CTTVAE: Latent Space Structuring for Conditional Tabular Data Generation on Imbalanced Datasets
von: Devic, Milosh, et al.
Veröffentlicht: (2026)

A Unified Latent Space Disentanglement VAE Framework with Robust Disentanglement Effectiveness Evaluation
von: Lang, Xiaoan, et al.
Veröffentlicht: (2026)

Distributional Sensitivity Analysis: Enabling Differentiability in Sample-Based Inference
von: Chuang, Pi-Yueh, et al.
Veröffentlicht: (2025)

Compositional Generalization via Forced Rendering of Disentangled Latents
von: Liang, Qiyao, et al.
Veröffentlicht: (2025)

Interpretable Generalized Additive Models for Datasets with Missing Values
von: McTavish, Hayden, et al.
Veröffentlicht: (2024)

Disentangled Latent Spaces Facilitate Data-Driven Auxiliary Learning
von: Skenderi, Geri, et al.
Veröffentlicht: (2023)

Differentiable DG with Neural Operator Source Term Correction
von: Kang, Shinhoo, et al.
Veröffentlicht: (2023)

Isometric Representation Learning for Disentangled Latent Space of Diffusion Models
von: Hahm, Jaehoon, et al.
Veröffentlicht: (2024)

Improving the Predictability of the Madden-Julian Oscillation at Subseasonal Scales with Gaussian Process Models
von: Chen, Haoyuan, et al.
Veröffentlicht: (2025)

Sculpting Latent Spaces With MMD: Disentanglement With Programmable Priors
von: Fruytier, Quentin, et al.
Veröffentlicht: (2025)

Gradient-Guided Exploration of Generative Model's Latent Space for Controlled Iris Image Augmentations
von: Mitcheff, Mahsa, et al.
Veröffentlicht: (2025)

Multidimensional Distributional Neural Network Output Demonstrated in Super-Resolution of Surface Wind Speed
von: Goldwyn, Harrison J., et al.
Veröffentlicht: (2025)

SynMorph: Generating Synthetic Face Morphing Dataset with Mated Samples
von: Zhang, Haoyu, et al.
Veröffentlicht: (2024)

Image and Video Quality Assessment using Prompt-Guided Latent Diffusion Models for Cross-Dataset Generalization
von: Mitra, Shankhanil, et al.
Veröffentlicht: (2024)

Diffusion-Based Generation of Neural Activity from Disentangled Latent Codes
von: McCart, Jonathan D., et al.
Veröffentlicht: (2024)

Aircraft Trajectory Dataset Augmentation in Latent Space
von: Yoon, Seokbin, et al.
Veröffentlicht: (2025)

Enhancing Interpretability Through Loss-Defined Classification Objective in Structured Latent Spaces
von: Geissler, Daniel, et al.
Veröffentlicht: (2024)

Latent Space Factorization in LoRA
von: Kumar, Shashi, et al.
Veröffentlicht: (2025)

Less Is More: Generating Time Series with LLaMA-Style Autoregression in Simple Factorized Latent Spaces
von: Li, Siyuan, et al.
Veröffentlicht: (2025)

Exploring Representation-Aligned Latent Space for Better Generation
von: Xu, Wanghan, et al.
Veröffentlicht: (2025)

Advancing Generalization in PINNs through Latent-Space Representations
von: Wang, Honghui, et al.
Veröffentlicht: (2024)

EQ-VAE: Equivariance Regularized Latent Space for Improved Generative Image Modeling
von: Kouzelis, Theodoros, et al.
Veröffentlicht: (2025)

Multi-Objective Latent Space Optimization of Generative Molecular Design Models
von: Abeer, A N M Nafiz, et al.
Veröffentlicht: (2022)

Differentiable Autoencoding Neural Operator for Interpretable and Integrable Latent Space Modeling
von: Viknesh, Siva, et al.
Veröffentlicht: (2025)

Multi-task Modeling for Engineering Applications with Sparse Data
von: Comlek, Yigitcan, et al.
Veröffentlicht: (2026)

Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis
von: Su, Jiayu, et al.
Veröffentlicht: (2024)

Shortcut Invariance: Targeted Jacobian Regularization in Disentangled Latent Space
von: Pal, Shivam, et al.
Veröffentlicht: (2025)

Streaming Operator Inference for Model Reduction of Large-Scale Dynamical Systems
von: Koike, Tomoki, et al.
Veröffentlicht: (2026)

Discovering Interpretable Directions in the Semantic Latent Space of Diffusion Models
von: Haas, René, et al.
Veröffentlicht: (2023)

Disentanglement of Variations with Multimodal Generative Modeling
von: Zhang, Yijie, et al.
Veröffentlicht: (2025)

Scientific Hypothesis Generation and Validation: Methods, Datasets, and Future Directions
von: Kulkarni, Adithya, et al.
Veröffentlicht: (2025)

A Practical Guide to Sample-based Statistical Distances for Evaluating Generative Models in Science
von: Bischoff, Sebastian, et al.
Veröffentlicht: (2024)

Disentanglement of Biological and Technical Factors via Latent Space Rotation in Clinical Imaging Improves Disease Pattern Discovery
von: Pan, Jeanny, et al.
Veröffentlicht: (2025)