Artikeln introducerar StylEx, en ny metod för visuell förklaring av klassificerare, som presenterades vid ICCV 2021. StylEx adresserar utmaningen med "svarta lådan" i neurala nätverk genom att automatiskt upptäcka och visualisera oberoende attribut som påverkar en klassificerares beslut. Metoden bygger på StyleGAN2-arkitekturen och tränar en generator med en encoder och en klassificeringsförlust för att säkerställa att både visuell likhet och klassificeringskritiska detaljer bevaras. StylEx möjliggör manipulation av enskilda attribut för att förstå deras effekt på klassificeringen och är tillämpbar inom en rad områden som medicinska bilder, ansikten och djur. En viktig fördel med StylEx är dess förmåga att avslöja fördomar i klassificerare och därmed bidra till att förbättra rättvisan i neurala nätverk.