Machine learningDeep learning / NLP / CV
説明可能な拡散モデル
説明可能な拡散モデルは、後付けまたは本質的な説明可能性技術（SHAP、勾配ベースの顕著性、注意分析、または概念ベースのプローブなど）をノイズ除去拡散確率モデルと組み合わせることで、生成または予測の各決定をブラックボックスとして扱うのではなく、監査および正当化できるようにします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
このページの引用方法
ScholarGate. (2026, June 3). Explainable Diffusion Model (XAI-Augmented Denoising Diffusion Probabilistic Model). ScholarGate. https://scholargate.app/ja/deep-learning/explainable-diffusion-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 説明可能なGAN深層学習↔ compare
- 説明可能な変分オートエンコーダ深層学習↔ compare
- 説明可能なVision Transformer深層学習↔ compare
- ファインチューニングされた拡散モデル深層学習↔ compare
- マルチモーダル拡散モデル深層学習↔ compare
- 自己教師あり拡散モデル深層学習↔ compare