Newest papers

CRANE: Post-Hoc Counterfactual Retrieval for Multimodal Classifiers

Franco Rugolon, Ioanna Miliou, Panagiotis Papapetrou · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31594 · open-access PDF

French

Des méthodes d'explication contre-factuelle ont été introduites pour les paramètres unimodaux, avec des cadres dédiés pour les données tabulaires, les séries temporelles, le texte et les données d'image, mais aucune méthode post-hoc n'a été conçue pour les classificateurs qui apprennent à partir d'entrées multimodales. Les méthodes d'explication existantes pour les classificateurs multimodaux appliquent l'attribution spécifique à la modalité indépendamment à chaque entrée, ce qui ne donne pas d'explications cohérentes et ne transfère pas à des architectures multimodales arbitraires pré-entraînées.

Machine translation (Meta M2M100); the English original follows.

Abstract

Counterfactual explanation methods have been introduced for unimodal settings, with dedicated frameworks for tabular, timeseries, text, and image data, yet no post-hoc method has been designed for classifiers that learn from multimodal inputs. Existing explainability methods for multimodal classifiers apply modality-specific attribution independently to each input, which fails to yield coherent explanations and does not transfer to arbitrary pre-trained multimodal architectures. To address these shortcomings, we present CRANE (Counterfactual Retrieval via Agnostic Nearest-neighbour Explanation

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange