新框架使用概念激活向量解释图像相似性

研究人员开发了一个新的框架，使用自动提取的概念激活向量（CAVs）来解释图像相似性。这种模型无关的方法利用稀疏自编码器（SAEs）来识别驱动图像之间相似性的纹理、形状或颜色等概念。该方法通过概念归因图提供了嵌入空间区域的全局洞察和局部解释，并扩展到群体级别相似性和示例检索。 AI

影响 增强了计算机视觉模型的可解释性，帮助开发人员理解和调试相似性判断。

排序理由 该条目是一篇学术论文，详细介绍了一种解释图像相似性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Concept Activation Vectors
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Litmaps
• ScienceCast
• scite Smart Citations
• Sparse Autoencoders

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →