視覚的分離拡散オートエンコーダ：基盤モデルのためのスケーラブルな反事実生成

要約

基盤モデルが抱える偽の相関関係や「賢馬ハンス」現象への脆弱性を克服するため、Visual Disentangled Diffusion Autoencoders (DiDAE) という新手法が提案されました。これは凍結された基盤モデルと分離表現学習を統合し、勾配計算なしで効率的に多様な反事実データを生成します。

全文は有料プランで閲覧できます。