PulseAugur
中
实时 20:24:16
English(EN) SenBen: Sensitive Scene Graphs for Explainable Content Moderation

新基准和模型推动可解释人工智能在内容审核中的应用

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 SenBen，这是一个用于图像可解释内容审核的新基准数据集，其中包含具有详细对象属性和敏感性标签的场景图。他们还使用多任务学习方法创建了一个紧凑的 2.41 亿参数模型，以改进自回归场景图生成。该模型在 SenBen 基准测试中表现强劲，在对象检测和字幕生成方面优于大多数其他模型和商业 API，同时速度更快、内存效率更高。 AI

影响 增强了人工智能内容审核的可解释性，有望提高敏感媒体分析的准确性和透明度。

排序理由 该集群描述了一篇介绍用于可解释内容审核的新基准数据集和新颖模型的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新基准和模型推动可解释人工智能在内容审核中的应用

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Fatih Cagatay Akyon, Alptekin Temizel ·

    SenBen：用于可解释内容审核的敏感场景图

    arXiv:2604.08819v2 Announce Type: replace-cross Abstract: Content moderation systems classify images as safe or unsafe but lack spatial grounding and interpretability: they cannot explain what sensitive behavior was detected, who is involved, or where it occurs. We introduce the …

相关实体

相关话题