PulseAugur
中
实时 12:03:40
English(EN) The Importance of Phase in Neural Representations: An Internal Oppenheim-Lim Test of Image Classifiers

新研究揭示图像分类器依赖相位进行身份识别

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新研究论文探讨了相位在图像分类器神经网络表征中的作用，并将其与Oppenheim-Lim测试进行了类比，该测试证明了仅凭傅里叶相位即可重建自然图像。研究发现，PRISM2D、GFNet和ViT-B/16等模型在身份识别方面严重依赖相位信息，而幅度信息在读取时作用较小。虽然ResNet-50最初似乎有所不同，但进一步分析显示，根据架构的整流和读取几何形状，在不同基数下会暴露一个潜在的符号编码。 AI

影响 这项研究提供了对图像分类器如何处理信息的更深入理解，可能影响未来的模型架构和可解释性方法。

排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了图像分类器中神经网络表征的发现。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Alper Y{\i}ld{\i}r{\i}m ·

    The Importance of Phase in Neural Representations: An Internal Oppenheim-Lim Test of Image Classifiers

    arXiv:2606.17037v1 Announce Type: cross Abstract: Oppenheim and Lim (1981) showed that natural images stay recognizable when reconstructed from their Fourier phase alone, while the magnitude carries little of their identity. We ask whether trained image classifiers reproduce this…

  2. arXiv cs.CV TIER_1 English(EN) · Alper Yıldırım ·

    The Importance of Phase in Neural Representations: An Internal Oppenheim-Lim Test of Image Classifiers

    Oppenheim and Lim (1981) showed that natural images stay recognizable when reconstructed from their Fourier phase alone, while the magnitude carries little of their identity. We ask whether trained image classifiers reproduce this asymmetry inside their hidden layers, and we test…

相关实体

相关话题