SemiNMF

稀疏自编码器赋能基础模型的视觉科学发现

研究人员开发了一种使用稀疏自编码器（SAEs）从基础模型中识别和排序视觉特征的方法，无需预先指定的概念即可实现科学发现。该方法在三个阶段进行了测试：一般概念再发现、领域特定概念再发现和驱动式特征排序。在ADE20K、FishVista和Heliconius butterflies等数据集上的评估中，与k-means聚类、PCA和SemiNMF等传统方法相比，SAEs在揭示模型表示中的语义结构方面表现更优。