arXiv cs.AI· Paul Sevellec, Elisa Fromont, Romaric Gaudel, Laurence Roze, Paul Viallard, Laetitia Houeix·· 14 小时前AI 评分20
CounterFlow：面向视觉反事实解释的目标条件流匹配框架
CounterFlow: Target-Conditioned Flow Matching for Visual Counterfactuals
AI 导读
CounterFlow 是一个基于条件流匹配的视觉反事实解释框架，通过目标条件向量场将源图像直接引导至用户指定的目标类别。它在标准基准上实现了视觉真实感与目标类别切换的 SOTA 表现，且计算开销显著低于传统 GAN 或扩散模型架构。该方法直接在原始像素空间工作，更适合真实场景部署。
正文 · AI 翻译
摘要：在可解释人工智能（eXplainable AI）中，反事实解释因能向用户提供关于模型决策的直接、直观且可操作的洞见而获得了显著关注。我们提出了 CounterFlow，这是一个基于条件流匹配（Conditional Flow Matching）的新颖框架，它通过直接将源图像引导至用户指定的目标类别来生成视觉反事实解释。借助目标条件向量场，CounterFlow 能够识别高度逼真的语义修改，同时所需计算开销远低于传统的基于 GAN 或扩散的架构。在标准基准上的实证评估表明，CounterFlow 在视觉逼真度和目标类别切换两方面均达到了最先进的性能。通过直接在原始像素空间中工作，CounterFlow 为现实世界部署提供了更实用的解决方案。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.35679 [cs.LG] |
| （或 arXiv:2610.35679v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.35679 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Paul Sevellec [查看邮箱]
[v1]
2026年10月26日星期一 16:18:02 UTC（1,321 KB）
来源：arXiv cs.AI · arxiv.org