Supervised sparse auto-encoders for interpretable and compositional representations

En 3 lignesDes auto-encodeurs creux supervisés améliorent l'interprétabilité des modèles en alignant les features apprises avec la sémantique humaine. Testés sur Stable Diffusion 3.5, ils permettent la généralisation compositionnelle et l'édition d'images par intervention au niveau des features.

Résumé généré par Claude — vérifié par l'humain