Paul Sevellec 发布基于 Flow Matching 的反事实解释框架 CounterFlow

Paul Sevellec 在 arXiv 提交论文，提出 CounterFlow 框架：一种基于条件流匹配（Conditional Flow Matching）的可视化反事实解释方法。据论文称，该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，生成反事实解释，在标准 benchmark 上的视觉真实性和目标类别切换均达到 SOTA，计算开销显著低于 GAN 或扩散模型架构。 论文称 CounterFlow 直接在原始像素空间工作，因此更适合真实场景部署。以上性能说法均来自论文本身，尚属提出者的自述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。