Machine learningDeep learning / NLP / CV
説明可能な変分オートエンコーダ
説明可能な変分オートエンコーダ（XVAE）は、標準的なVAEフレームワークに、潜在空間を解釈可能にする技術を追加したものです。具体的には、潜在次元を分離して各次元が人間が理解できる要因に対応するようにするか、再構成を元の入力特徴にまで遡る事後帰属手法（SHAP、統合勾配法）を用います。これにより、VAEの生成能力を維持しつつ、科学的応用や高リスクな応用で要求される透明性を付与します。
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
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
- Higgins, I., Matthey, L., Pal, A., Burgess, C., Glorot, X., Botvinick, M., Mohamed, S., & Lerchner, A. (2017). beta-VAE: Learning Basic Visual Concepts with a Constrained Variational Framework. In Proceedings of the 5th International Conference on Learning Representations (ICLR 2017). link ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Variational Autoencoder (XVAE / Interpretable VAE). ScholarGate. https://scholargate.app/ja/deep-learning/explainable-variational-autoencoder
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.
- ファインチューニングされた変分オートエンコーダ深層学習↔ compare
- マルチモーダル変分オートエンコーダ深層学習↔ compare
- 自己教師あり変分オートエンコーダ深層学習↔ compare
- Variational Autoencoder深層学習↔ compare