图像生成

Interpretable and Steerable Concept Bottleneck Sparse Autoencoders

可解释且可操控的概念瓶颈稀疏自编码器

Akshay Kulkarni, Tsui-Wei Weng, Vivek Narayanaswamy, Shusen Liu, Wesam A. Sakla, Kowshik Thopalli

机构 * University of California, San Diego（加州大学圣迭戈分校） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 本文提出CB-SAE框架，通过剪枝低效神经元和增加概念瓶颈提升LVLMs和图像生成任务的可解释性和可操控性，效果提升分别为32.1%和14.5%。

Comments CVPR 2026