基于B- cos网络的可解释扩散模型
计算机视觉与模式识别
2025-07-08 v1 机器学习
摘要
文本到图像扩散模型通过迭代去噪随机噪声来生成图像，条件于给定的提示词。尽管这些模型在图像生成方面取得了显著进展，但常常难以准确反映提示词中描述的所有语义信息——这些失败在自动检测方面往往难以发现。本文介绍一种基于B- cos模块构建的扩散模型架构，具有内在的可解释性。我们的做法提供了关于单个提示词如何影响生成图像的见解，通过产生解释性标记，突出显示受每个标记影响的像素区域。我们演示了B- cos扩散模型能够在提供有意义提示-图像对齐见解的同时，生成高质量图像。
引用
@article{arxiv.2507.03846,
title = {Interpretable Diffusion Models with B-cos Networks},
author = {Nicola Bernold and Moritz Vandenhirtz and Alice Bizeul and Julia E. Vogt},
journal= {arXiv preprint arXiv:2507.03846},
year = {2025}
}