Copertina

Conceptualizing Embeddings: Sparse Disentanglement for Vision-Language Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kubaty, Piotr, Marszałek, Patryk, Struski, Łukasz, Wróbel, Adam, Tabor, Jacek, Śmieja, Marek
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Stop Marginalizing My Dreams: Model Inversion via Laplace Kernel for Continual Learning
di: Krukowski, Patryk, et al.
Pubblicazione: (2026)

SIDE: Sparse Information Disentanglement for Explainable Artificial Intelligence
di: Dubovik, Viktar, et al.
Pubblicazione: (2025)

InfoDisent: Explainability of Image Classification Models by Information Disentanglement
di: Struski, Łukasz, et al.
Pubblicazione: (2024)

VisTabNet: Adapting Vision Transformers for Tabular Data
di: Wydmański, Witold, et al.
Pubblicazione: (2024)

LAPLEX: The FFT of Learnable Laplace Kernels
di: Struski, Łukasz, et al.
Pubblicazione: (2026)

PrAViC: Probabilistic Adaptation Framework for Real-Time Video Classification
di: Trędowicz, Magdalena, et al.
Pubblicazione: (2024)

Augmentation-aware Self-supervised Learning with Conditioned Projector
di: Przewięźlikowski, Marcin, et al.
Pubblicazione: (2023)

ZEUS: Zero-shot Embeddings for Unsupervised Separation of Tabular Data
di: Marszałek, Patryk, et al.
Pubblicazione: (2025)

StyleAutoEncoder for manipulating image attributes using pre-trained StyleGAN
di: Bedychaj, Andrzej, et al.
Pubblicazione: (2024)

ProDG: Prototypes for Data-Free Generative Post-Hoc Explainability
di: Borycki, Piotr, et al.
Pubblicazione: (2026)

ProMIL: Probabilistic Multiple Instance Learning for Medical Imaging
di: Struski, Łukasz, et al.
Pubblicazione: (2023)

SONG: Self-Organizing Neural Graphs
di: Struski, Łukasz, et al.
Pubblicazione: (2021)

ProtoSeg: Interpretable Semantic Segmentation with Prototypical Parts
di: Sacha, Mikołaj, et al.
Pubblicazione: (2023)

SoftSAE: Dynamic Top-K Selection for Adaptive Sparse Autoencoders
di: Stępień, Jakub, et al.
Pubblicazione: (2026)

EPIC: Explanation of Pretrained Image Classification Networks via Prototype
di: Borycki, Piotr, et al.
Pubblicazione: (2025)

DAVE: Distribution-aware Attribution via ViT Gradient Decomposition
di: Wróbel, Adam, et al.
Pubblicazione: (2026)

Beyond [cls]: Exploring the true potential of Masked Image Modeling representations
di: Przewięźlikowski, Marcin, et al.
Pubblicazione: (2024)

TACTIC for Navigating the Unknown: Tabular Anomaly deteCTion via In-Context inference
di: Marszałek, Patryk, et al.
Pubblicazione: (2026)

LucidPPN: Unambiguous Prototypical Parts Network for User-centric Interpretable Computer Vision
di: Pach, Mateusz, et al.
Pubblicazione: (2024)

SEM: Sparse Embedding Modulation for Post-Hoc Debiasing of Vision-Language Models
di: Guimard, Quentin, et al.
Pubblicazione: (2026)

ProPML: Probability Partial Multi-label Learning
di: Struski, Łukasz, et al.
Pubblicazione: (2024)

Disentangling Mean Embeddings for Better Diagnostics of Image Generators
di: Gruber, Sebastian G., et al.
Pubblicazione: (2024)

HoPE: Hybrid of Position Embedding for Long Context Vision-Language Models
di: Li, Haoran, et al.
Pubblicazione: (2025)

ParFormer: A Vision Transformer with Parallel Mixer and Sparse Channel Attention Patch Embedding
di: Setyawan, Novendra, et al.
Pubblicazione: (2024)

Conceptual Learning via Embedding Approximations for Reinforcing Interpretability and Transparency
di: Dikter, Maor, et al.
Pubblicazione: (2024)

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

Cross-Modal Redundancy and the Geometry of Vision-Language Embeddings
di: Dhimoïla, Grégoire, et al.
Pubblicazione: (2026)

Domain Adaptation with a Single Vision-Language Embedding
di: Fahes, Mohammad, et al.
Pubblicazione: (2024)

Probabilistic Embeddings for Frozen Vision-Language Models: Uncertainty Quantification with Gaussian Process Latent Variable Models
di: Venkataramanan, Aishwarya, et al.
Pubblicazione: (2025)

BendVLM: Test-Time Debiasing of Vision-Language Embeddings
di: Gerych, Walter, et al.
Pubblicazione: (2024)

Probing the Representational Power of Sparse Autoencoders in Vision Models
di: Olson, Matthew Lyle, et al.
Pubblicazione: (2025)

Analyzing Hierarchical Structure in Vision Models with Sparse Autoencoders
di: Olson, Matthew Lyle, et al.
Pubblicazione: (2025)

PRISM: Reducing Spurious Implicit Biases in Vision-Language Models with LLM-Guided Embedding Projection
di: Molahasani, Mahdiyar, et al.
Pubblicazione: (2025)

Bayesian Fine-tuning in Projected Subspaces
di: Dubovik, Viktar, et al.
Pubblicazione: (2026)

Minimal Ranks, Maximum Confidence: Parameter-efficient Uncertainty Quantification for LoRA
di: Marszałek, Patryk, et al.
Pubblicazione: (2025)

NeuCo-Bench: A Novel Benchmark Framework for Neural Embeddings in Earth Observation
di: Vinge, Rikard, et al.
Pubblicazione: (2025)

As Good as It KAN Get: High-Fidelity Audio Representation
di: Marszałek, Patryk, et al.
Pubblicazione: (2025)

Sparse Autoencoders Learn Monosemantic Features in Vision-Language Models
di: Pach, Mateusz, et al.
Pubblicazione: (2025)

Vision Foundation Model Embedding-Based Semantic Anomaly Detection
di: Ronecker, Max Peter, et al.
Pubblicazione: (2025)

CounterFlowNet: From Minimal Changes to Meaningful Counterfactual Explanations
di: Furman, Oleksii, et al.
Pubblicazione: (2026)