PulseAugur
中
实时 19:06:19
English(EN) PhaseWin: An Efficient Search Algorithm for Faithful Visual Attribution

PhaseWin算法增强了AI模型解释的视觉归因能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了一种名为PhaseWin的新型算法，旨在提高解释视觉和视觉-语言模型的可视归因方法的效率和忠实度。与需要大量模型评估的现有贪婪方法不同，PhaseWin采用分阶段窗口搜索策略。该方法在全局筛选、剪枝和局部精炼之间交替进行，以实现线性评估复杂性，同时保持接近贪婪的忠实度。在图像分类和字幕生成等各种任务上的实验表明，与其它归因技术相比，PhaseWin能够以显著减少的前向传播次数达到高忠实度。 AI

影响 PhaseWin为解释AI模型提供了一种更有效的方法，有望加速调试和审计过程。

排序理由 该集群包含一篇详细介绍AI模型解释新算法的研究论文。

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]

  1. arXiv cs.CV TIER_1 English(EN) · Zihan Gu, Ruoyu Chen, Junchi Zhang, Li Liu, Xiaochun Cao, Hua Zhang ·

    PhaseWin: An Efficient Search Algorithm for Faithful Visual Attribution

    arXiv:2606.18008v1 Announce Type: new Abstract: Visual attribution is a fundamental tool for interpreting modern vision and vision-language models, particularly when their decisions must be inspected, diagnosed, or audited. Its goal is to explain how a model's decision depends on…

  2. arXiv cs.CV TIER_1 English(EN) · Hua Zhang ·

    PhaseWin: An Efficient Search Algorithm for Faithful Visual Attribution

    Visual attribution is a fundamental tool for interpreting modern vision and vision-language models, particularly when their decisions must be inspected, diagnosed, or audited. Its goal is to explain how a model's decision depends on local regions of the visual input, typically by…

相关实体

相关话题