Buchumschlag

LINE: LLM-based Iterative Neuron Explanations for Vision Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zaigrajew, Vladimir, Piechota, Michał, Sekula, Gaspar, Gelar, Paweł, Biecek, Przemysław
Format:	Preprint
Veröffentlicht:	2026
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

Interpreting CLIP with Hierarchical Sparse Autoencoders
von: Zaigrajew, Vladimir, et al.
Veröffentlicht: (2025)

SwordBench: Evaluating Orthogonality of Steering Image Representations
von: Zaigrajew, Vladimir, et al.
Veröffentlicht: (2026)

Position: Do Not Explain Vision Models Without Context
von: Tomaszewska, Paulina, et al.
Veröffentlicht: (2024)

Global Counterfactual Directions
von: Sobieski, Bartlomiej, et al.
Veröffentlicht: (2024)

Your CLIP has 164 dimensions of noise: Exploring the embeddings covariance eigenspectrum of contrastively pretrained vision-language transformers
von: Grzywaczewski, Jakub, et al.
Veröffentlicht: (2026)

Adversarial attacks and defenses in explainable artificial intelligence: A survey
von: Baniecki, Hubert, et al.
Veröffentlicht: (2023)

Red Teaming Models for Hyperspectral Image Analysis Using Explainable AI
von: Zaigrajew, Vladimir, et al.
Veröffentlicht: (2024)

NormEnsembleXAI: Unveiling the Strengths and Weaknesses of XAI Ensemble Techniques
von: Hryniewska-Guzik, Weronika, et al.
Veröffentlicht: (2024)

Red-Teaming Segment Anything Model
von: Jankowski, Krzysztof, et al.
Veröffentlicht: (2024)

Explaining Similarity in Vision-Language Encoders with Weighted Banzhaf Interactions
von: Baniecki, Hubert, et al.
Veröffentlicht: (2025)

X-ray transferable polyrepresentation learning
von: Hryniewska-Guzik, Weronika, et al.
Veröffentlicht: (2025)

Guaranteed Optimal Compositional Explanations for Neurons
von: La Rosa, Biagio, et al.
Veröffentlicht: (2025)

Auditing Sybil: Explaining Deep Lung Cancer Risk Prediction Through Generative Interventional Attributions
von: Sobieski, Bartlomiej, et al.
Veröffentlicht: (2026)

Open Vocabulary Compositional Explanations for Neuron Alignment
von: La Rosa, Biagio, et al.
Veröffentlicht: (2025)

Rethinking Visual Counterfactual Explanations Through Region Constraint
von: Sobieski, Bartlomiej, et al.
Veröffentlicht: (2024)

Birds look like cars: Adversarial analysis of intrinsically interpretable deep learning
von: Baniecki, Hubert, et al.
Veröffentlicht: (2025)

Neuron Abandoning Attention Flow: Visual Explanation of Dynamics inside CNN Models
von: Liao, Yi, et al.
Veröffentlicht: (2024)

CNN-based explanation ensembling for dataset, representation and explanations evaluation
von: Hryniewska-Guzik, Weronika, et al.
Veröffentlicht: (2024)

Discovering Influential Neuron Path in Vision Transformers
von: Wang, Yifan, et al.
Veröffentlicht: (2025)

Probabilistic Conceptual Explainers: Trustworthy Conceptual Explanations for Vision Foundation Models
von: Wang, Hengyi, et al.
Veröffentlicht: (2024)

DiG-IN: Diffusion Guidance for Investigating Networks -- Uncovering Classifier Differences Neuron Visualisations and Visual Counterfactual Explanations
von: Augustin, Maximilian, et al.
Veröffentlicht: (2023)

What Helps---and What Hurts: Bidirectional Explanations for Vision Transformers
von: Su, Qin, et al.
Veröffentlicht: (2026)

ViGText: Deepfake Image Detection with Vision-Language Model Explanations and Graph Neural Networks
von: ALBarqawi, Ahmad, et al.
Veröffentlicht: (2025)

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

Exploring Local Explanations of Nonlinear Models Using Animated Linear Projections
von: Spyrison, Nicholas, et al.
Veröffentlicht: (2022)

Vision-Based Localization and LLM-based Navigation for Indoor Environments
von: Rahimi, Keyan, et al.
Veröffentlicht: (2025)

Statistically Significant Concept-based Explanation of Image Classifiers via Model Knockoffs
von: Xu, Kaiwen, et al.
Veröffentlicht: (2023)

On Spectral Properties of Gradient-based Explanation Methods
von: Mehrpanah, Amir, et al.
Veröffentlicht: (2025)

DetoxAI: a Python Toolkit for Debiasing Deep Learning Models in Computer Vision
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

Deep Generative Models for Proton Zero Degree Calorimeter Simulations in ALICE, CERN
von: Będkowski, Patryk, et al.
Veröffentlicht: (2024)

VLM in a flash: I/O-Efficient Sparsification of Vision-Language Model via Neuron Chunking
von: Yang, Kichang, et al.
Veröffentlicht: (2025)

I-Segmenter: Integer-Only Vision Transformer for Efficient Semantic Segmentation
von: Sassoon, Jordan, et al.
Veröffentlicht: (2025)

BayTTA: Uncertainty-aware medical image classification with optimized test-time augmentation using Bayesian model averaging
von: Sherkatghanad, Zeinab, et al.
Veröffentlicht: (2024)

Studying How to Efficiently and Effectively Guide Models with Explanations
von: Rao, Sukrut, et al.
Veröffentlicht: (2023)

Towards a Mechanistic Explanation of Diffusion Model Generalization
von: Niedoba, Matthew, et al.
Veröffentlicht: (2024)

Local Intrinsic Dimension Unveils Hallucinations in Diffusion Models
von: Sobieski, Bartlomiej, et al.
Veröffentlicht: (2026)

Spatially Grounded Explanations in Vision Language Models for Document Visual Question Answering
von: Lagos, Maximiliano Hormazábal, et al.
Veröffentlicht: (2025)

EVO-LRP: Evolutionary Optimization of LRP for Interpretable Model Explanations
von: Zhang, Emerald, et al.
Veröffentlicht: (2025)

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

Leveraging Local Structure for Improving Model Explanations: An Information Propagation Approach
von: Yang, Ruo, et al.
Veröffentlicht: (2024)