研究人员开发了一个新框架，用于识别影响人类对城市景观感知的特定视觉元素，超越了简单的相关性。这种干预性反事实方法系统地测试了图像的局部编辑（例如，出行基础设施或物理维护的变化）如何改变预测的安全判断。该框架旨在通过生成和验证真实且合理的反事实编辑，来提供对场景可解释性的更深入理解，并以人类判断作为最终验证。 AI
影响 引入了一种新颖的方法来理解特定的视觉变化如何影响AI对城市环境的感知，从而可能提高模型的可解释性。
排序理由 学术论文，介绍了一种用于计算机视觉可解释性的新框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.22103v1 Announce Type: cross Abstract: Street-view perception models predict subjective attributes such as safety at scale, but remain correlational: they do not identify which localized visual changes would plausibly shift human judgement for a specific scene. We prop…
Street-view perception models predict subjective attributes such as safety at scale, but remain correlational: they do not identify which localized visual changes would plausibly shift human judgement for a specific scene. We propose a lever-based interventional counterfactual fr…