Buchumschlag

SCE-LITE-HQ: Smooth visual counterfactual explanations with generative foundation models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zeid, Ahmed, Bender, Sidney
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Imbalanced Classification through the Lens of Spurious Correlations
von: Hackstein, Jakob, et al.
Veröffentlicht: (2025)

TraSCE: Trajectory Steering for Concept Erasure
von: Jain, Anubhav, et al.
Veröffentlicht: (2024)

Diffusion Counterfactuals for Image Regressors
von: Ha, Trung Duc, et al.
Veröffentlicht: (2025)

Reproducibility study on how to find Spurious Correlations, Shortcut Learning, Clever Hans or Group-Distributional non-robustness and how to fix them
von: Delzer, Ole, et al.
Veröffentlicht: (2026)

This changes to that : Combining causal and non-causal explanations to generate disease progression in capsule endoscopy
von: Vats, Anuja, et al.
Veröffentlicht: (2022)

Pinpoint Counterfactuals: Reducing social bias in foundation models via localized counterfactual generation
von: Sirotkin, Kirill, et al.
Veröffentlicht: (2024)

Towards Desiderata-Driven Design of Visual Counterfactual Explainers
von: Bender, Sidney, et al.
Veröffentlicht: (2025)

A multimodal slice discovery framework for systematic failure detection and explanation in medical image classification
von: Liu, Yixuan, et al.
Veröffentlicht: (2026)

Aligned explanations in neural networks
von: Lobet, Corentin, et al.
Veröffentlicht: (2026)

Post-hoc Self-explanation of CNNs
von: Boubekki, Ahcène, et al.
Veröffentlicht: (2026)

Using Machine Learning for move sequence visualization and generation in climbing
von: Rimbot, Thomas, et al.
Veröffentlicht: (2025)

ProtoS-ViT: Visual foundation models for sparse self-explainable classifications
von: Turbé, Hugues, et al.
Veröffentlicht: (2024)

Towards a general-purpose foundation model for fMRI analysis
von: Wang, Cheng, et al.
Veröffentlicht: (2025)

Looking in the mirror: A faithful counterfactual explanation method for interpreting deep image classification models
von: Chowdhury, Townim Faisal, et al.
Veröffentlicht: (2025)

When Worse is Better: Navigating the compression-generation tradeoff in visual tokenization
von: Ramanujan, Vivek, et al.
Veröffentlicht: (2024)

Training state-of-the-art pathology foundation models with orders of magnitude less data
von: Karasikov, Mikhail, et al.
Veröffentlicht: (2025)

Fine-tuning can cripple your foundation model; preserving features may be the solution
von: Mukhoti, Jishnu, et al.
Veröffentlicht: (2023)

HQ-VAE: Hierarchical Discrete Representation Learning with Variational Bayes
von: Takida, Yuhta, et al.
Veröffentlicht: (2023)

Transformer-Based Multi-Object Smoothing with Decoupled Data Association and Smoothing
von: Pinto, Juliano, et al.
Veröffentlicht: (2023)

Revisiting semi-supervised learning in the era of foundation models
von: Zhang, Ping, et al.
Veröffentlicht: (2025)

Smooth Pseudo-Labeling
von: Karaliolios, Nikolaos, et al.
Veröffentlicht: (2024)

Disentangling representations of retinal images with generative models
von: Müller, Sarah, et al.
Veröffentlicht: (2024)

How to build the best medical image segmentation algorithm using foundation models: a comprehensive empirical study with Segment Anything Model
von: Gu, Hanxue, et al.
Veröffentlicht: (2024)

Adver-City: Open-Source Multi-Modal Dataset for Collaborative Perception Under Adverse Weather Conditions
von: Karvat, Mateus, et al.
Veröffentlicht: (2024)

Autonomous labeling of surgical resection margins using a foundation model
von: Yang, Xilin, et al.
Veröffentlicht: (2025)

HQ-OV3D: A High Box Quality Open-World 3D Detection Framework based on Diffision Model
von: Liu, Qi, et al.
Veröffentlicht: (2025)

Bridging visual saliency and large language models for explainable deep learning in medical imaging
von: Nguezet, Paul Valery, et al.
Veröffentlicht: (2026)

SelfEval: Leveraging the discriminative nature of generative models for evaluation
von: Rambhatla, Sai Saketh, et al.
Veröffentlicht: (2023)

Localized Randomized Smoothing for Collective Robustness Certification
von: Schuchardt, Jan, et al.
Veröffentlicht: (2022)

Bayesian computation with generative diffusion models by Multilevel Monte Carlo
von: Haji-Ali, Abdul-Lateef, et al.
Veröffentlicht: (2024)

A solvable generative model with a linear, one-step denoiser
von: Halder, Indranil
Veröffentlicht: (2024)

Feature-Space Smoothing: Certified Robustness of Deep Representations
von: Xia, Song, et al.
Veröffentlicht: (2026)

Adaptive Hierarchical Certification for Segmentation using Randomized Smoothing
von: Anani, Alaa, et al.
Veröffentlicht: (2024)

Robust Classification by Coupling Data Mollification with Label Smoothing
von: Heinonen, Markus, et al.
Veröffentlicht: (2024)

Robustifying Diffusion-Denoised Smoothing Against Covariate Shift
von: Hedayatnia, Ali, et al.
Veröffentlicht: (2025)

Multi-head Ensemble of Smoothed Classifiers for Certified Robustness
von: Fang, Kun, et al.
Veröffentlicht: (2022)

VehicleSDF: A 3D generative model for constrained engineering design via surrogate modeling
von: Morita, Hayata, et al.
Veröffentlicht: (2024)

From 100,000+ images to winning the first brain MRI foundation model challenges: Sharing lessons and models
von: Gordaliza, Pedro M., et al.
Veröffentlicht: (2026)

Vision Transformer Finetuning Benefits from Non-Smooth Components
von: Odonnat, Ambroise, et al.
Veröffentlicht: (2026)

Local Curvature Smoothing with Stein's Identity for Efficient Score Matching
von: Osada, Genki, et al.
Veröffentlicht: (2024)