High Fidelity Image Counterfactuals with Probabilistic Causal Models

要約

深い構造因果モデルを使用して、忠実度の高い画像の反事実を正確に推定するための一般的な因果生成モデリング フレームワークを紹介します。
画像などの高次元の構造変数に対する介入的クエリや反事実クエリの推定は、依然として困難な作業です。
私たちは、因果媒介分析からのアイデアと生成モデリングの進歩を活用して、因果モデルの構造化変数に対する新しい深い因果メカニズムを設計します。
私たちの実験は、私たちが提案したメカニズムが、反事実の公理的健全性によって測定される直接的、間接的、および全体的な効果の正確なアブダクションと推定が可能であることを実証しています。

要約(オリジナル)

We present a general causal generative modelling framework for accurate estimation of high fidelity image counterfactuals with deep structural causal models. Estimation of interventional and counterfactual queries for high-dimensional structured variables, such as images, remains a challenging task. We leverage ideas from causal mediation analysis and advances in generative modelling to design new deep causal mechanisms for structured variables in causal models. Our experiments demonstrate that our proposed mechanisms are capable of accurate abduction and estimation of direct, indirect and total effects as measured by axiomatic soundness of counterfactuals.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google