Align-Deform-Subtract：一种解释物体差异的干预框架
计算机视觉与模式识别
2022-07-21 v2 人工智能
机器学习
机器学习
摘要
给定两幅物体图像，我们如何根据底层物体属性来解释它们的差异？为解答该问题，我们提出 Align-Deform-Subtract (ADS)——一种用于解释物体差异的干预框架。通过在图像空间中对底层物体属性进行语义对齐作为反事实干预，ADS 迭代地量化并去除物体属性上的差异。结果是一组“解耦”的误差度量，从底层属性角度解释物体差异。在真实与合成数据上的实验说明了该框架的有效性。
引用
@article{arxiv.2203.04694,
title = {Align-Deform-Subtract: An Interventional Framework for Explaining Object Differences},
author = {Cian Eastwood and Li Nanbo and Christopher K. I. Williams},
journal= {arXiv preprint arXiv:2203.04694},
year = {2022}
}
备注
ICLR 2022 Workshop on Objects, Structure and Causality