一篇新发表在 arXiv 上的综述论文详细介绍了可解释计算机视觉中类激活映射（CAM）技术的发展。该论文将 2016 年以来的 57 项以方法为中心的研究进行了分类，强调了从解释简单的 CNN 分类器到涉及 Transformer、CLIP 和 DINO 等基础模型以及注意力机制的更复杂方法的转变。文章指出，尽管解释方法日益复杂，但对忠实度、鲁棒性和人类信任的评估协议仍然分散。 AI
影响 提供了视觉解释技术的结构化概述，帮助研究人员理解该领域并识别评估方面的差距。
排序理由 该集群包含一篇发表在 arXiv 上的学术论文，详细回顾了现有的研究方法。[lever_c_demoted from research: ic=1 ai=1.0]
- AmirHossein Eshghi
- arXiv
- Class activation mapping
- CNN
- DINO
- Explainable Computer Vision
- foundation model
- SAM
- Transformer++
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
