English(EN) LLM-Based Visual Explanation Evaluation Framework for Assessing the Explainability of Facial Skin Disease Classification Models

大语言模型评估皮肤病诊断中的人工智能可解释性

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-15 14:37

研究人员开发了一个新的框架来评估用于诊断面部皮肤病的AI模型的可解释性。该框架利用了大型语言模型（LLMs），如GPT-5.5、Gemini 3.5 Flash和Claude Sonnet 4.6，来评估Grad-CAM生成的视觉解释。该研究将各种增强技术应用于EfficientNet-B0、MobileNetV3和ResNet18等分类模型，然后使用LLMs通过渐进式提示工程来判断视觉解释的准确性和可信度，以提高一致性。 AI

影响通过改进模型可解释性的评估，这项研究可能带来更值得信赖的AI诊断工具。

排序理由该集群包含一篇在arXiv上发表的学术论文，详细介绍了一个新的研究框架。

在 arXiv cs.CV 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]

arXiv cs.CV TIER_1 English(EN) · Gyuyeon Na · 2026-06-16 04:00

LLM-Based Visual Explanation Evaluation Framework for Assessing the Explainability of Facial Skin Disease Classification Models

arXiv:2606.16794v1 Announce Type: new Abstract: This study proposes a domain-specific LLM-based Visual Explanation Evaluation Framework for assessing Grad-CAM explanations in facial skin disease diagnosis models. While previous studies have primarily focused on improving classifi…
arXiv cs.CV TIER_1 English(EN) · Gyuyeon Na · 2026-06-15 14:37

LLM-Based Visual Explanation Evaluation Framework for Assessing the Explainability of Facial Skin Disease Classification Models

This study proposes a domain-specific LLM-based Visual Explanation Evaluation Framework for assessing Grad-CAM explanations in facial skin disease diagnosis models. While previous studies have primarily focused on improving classification performance through data augmentation tec…

报道来源 [2]

LLM-Based Visual Explanation Evaluation Framework for Assessing the Explainability of Facial Skin Disease Classification Models

LLM-Based Visual Explanation Evaluation Framework for Assessing the Explainability of Facial Skin Disease Classification Models

相关实体

相关话题