都市の認知には視覚上のレバーがいくつ効くのか？複数の局所編集による介入的反事実

要旨: ストリートビューの知覚モデルは、安全性などの主観的属性を大規模に予測できるが、相関関係にとどまっている。すなわち、それらは特定のシーンに対して、人間の判断をもっともらしく変化させうる局所的な視覚変化が何であるかを特定できない。そこで本研究では、レバー（槓杆）に基づく介入的反事実（インターベンショナル・カウンターファクチュアル）の枠組みを提案する。この枠組みは、シーンレベルの説明可能性を、構造化された反事実編集に対する有界な探索として作り直す。各レバーは、意味概念、空間的な支持領域、介入方向、そして制約付き編集テンプレートを指定する。候補となる編集は、プロンプト条件付きの画像編集によって生成され、同一場所の保存、局所性、現実性、妥当性に関する妥当性チェックを満たす場合のみ保持される。5つの都市からなる50のシーンにまたがる試行では、この枠組みにより、予備的な代理（プロキシ）ベースの方向性パターンと、プロンプトのみの編集における実用的な失敗分類法が明らかになった。最大の補助的な安全性の変化を示したのは、Mobility Infrastructure と Physical Maintenance であった。人間による一対比較の判断は、今後の検証に向けた真の評価（グラウンドトゥルース）となる。