研究者发布基于条件流匹配的CounterFlow视觉反事实解释框架

Paul Sevellec 等人在 arXiv 发布 CounterFlow 论文，提出一个基于 Conditional Flow Matching 的视觉反事实解释框架，可将源图像直接引导至用户指定的目标类别来生成解释。 论文称，该框架利用目标条件向量场实现高度真实的语义修改，计算开销显著低于传统 GAN 或扩散模型架构；在标准基准评测中，CounterFlow 在视觉真实性和目标类别切换上均达到 SOTA。它直接在原始像素空间工作，作者称这更利于实际部署。

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。