Fugu-MT 論文翻訳(概要): A Survey of Explainable AI in Deep Visual Modeling: Methods and Metrics

論文の概要: A Survey of Explainable AI in Deep Visual Modeling: Methods and Metrics

arxiv url: http://arxiv.org/abs/2301.13445v1
Date: Tue, 31 Jan 2023 06:49:42 GMT
ステータス: 処理完了
システム内更新日: 2023-02-01 17:24:59.464481
Title: A Survey of Explainable AI in Deep Visual Modeling: Methods and Metrics
Title（参考訳）: ディープ・ビジュアル・モデリングにおける説明可能なAI:方法とメトリクス
Authors: Naveed Akhtar
Abstract要約: 我々は、ディープビジュアルモデルを解釈するための方法とメトリクスに焦点を当てたExplainable AIの最初の調査を示す。最先端技術に沿った目覚ましい貢献をカバーし、既存の技術に関する分類学的組織を提供するだけでなく、さまざまな評価指標を発掘する。
参考スコア（独自算出の注目度）: 24.86176236641865
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep visual models have widespread applications in high-stake domains. Hence, their black-box nature is currently attracting a large interest of the research community. We present the first survey in Explainable AI that focuses on the methods and metrics for interpreting deep visual models. Covering the landmark contributions along the state-of-the-art, we not only provide a taxonomic organization of the existing techniques, but also excavate a range of evaluation metrics and collate them as measures of different properties of model explanations. Along the insightful discussion on the current trends, we also discuss the challenges and future avenues for this research direction.
Abstract（参考訳）: 深部視覚モデルは高スループット領域に広く応用されている。そのため、そのブラックボックスの性質は、現在研究コミュニティに大きな関心を集めている。我々は、深い視覚モデルを理解するための方法とメトリクスに焦点を当てたExplainable AIの最初の調査を示す。現状に沿う画期的な貢献をカバーし、既存の手法の分類学的組織を提供するだけでなく、さまざまな評価指標を発掘し、モデル説明の異なる性質の尺度として照合する。現在のトレンドに関する洞察に富んだ議論とともに、この研究の方向性に対する課題と今後の道筋についても論じる。

関連論文リスト

A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
論文参考訳（メタデータ） (2024-10-19T11:11:09Z)
Gradient based Feature Attribution in Explainable AI: A Technical Review [13.848675695545909]
ブラックボックスAIモデルの急増は、内部メカニズムを説明し、信頼性を正当化する必要性を喚起している。勾配に基づく説明は、ニューラルネットワークモデルに直接適用することができる。アルゴリズムの性能を測定するために,人的評価と定量的評価の両方を導入する。
論文参考訳（メタデータ） (2024-03-15T15:49:31Z)
Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。また,課題と将来的な研究方向性について,より詳細な展望を述べる。
論文参考訳（メタデータ） (2024-02-21T13:19:58Z)
Masked Modeling for Self-supervised Representation Learning on Vision and Beyond [69.64364187449773]
仮面モデリングは、トレーニング中に比例的にマスキングされる元のデータの一部を予測する、独特なアプローチとして現れてきた。マスクモデリングにおけるテクニックの詳細については,多様なマスキング戦略,ターゲット回復,ネットワークアーキテクチャなどについて詳述する。我々は、現在の手法の限界について議論し、マスクモデリング研究を進めるためのいくつかの道のりを指摘した。
論文参考訳（メタデータ） (2023-12-31T12:03:21Z)
Trends in Integration of Knowledge and Large Language Models: A Survey and Taxonomy of Methods, Benchmarks, and Applications [41.24492058141363]
大規模言語モデル(LLM)は、様々な自然言語処理において優れた性能を示すが、時代遅れのデータやドメイン固有の制限から生じる問題の影響を受けやすい。本稿では,手法,ベンチマーク,応用の分類など,知識モデルと大規模言語モデルの統合の動向を論じるレビューを提案する。
論文参考訳（メタデータ） (2023-11-10T05:24:04Z)
Foundational Models in Medical Imaging: A Comprehensive Survey and Future Vision [6.2847894163744105]
ファンデーションモデルは、広範囲の下流タスクに適応した大規模で事前訓練されたディープラーニングモデルである。これらのモデルは、コンテキスト推論、一般化、テスト時の迅速な機能を促進する。コンピュータビジョンの進歩に乗じて、医療画像はこれらのモデルへの関心も高まっている。
論文参考訳（メタデータ） (2023-10-28T12:08:12Z)
Few Shot Semantic Segmentation: a review of methodologies, benchmarks, and open challenges [5.0243930429558885]
Few-Shot Semanticはコンピュータビジョンの新しいタスクであり、いくつかの例で新しいセマンティッククラスをセグメンテーションできるモデルを設計することを目的としている。本稿では、Few-Shot Semanticの総合的な調査からなり、その進化を辿り、様々なモデル設計を探求する。
論文参考訳（メタデータ） (2023-04-12T13:07:37Z)
Knowledge-Aware Bayesian Deep Topic Model [50.58975785318575]
本稿では,事前知識を階層型トピックモデリングに組み込むベイズ生成モデルを提案する。提案モデルでは,事前知識を効率的に統合し,階層的なトピック発見と文書表現の両面を改善する。
論文参考訳（メタデータ） (2022-09-20T09:16:05Z)
Causal Reasoning Meets Visual Representation Learning: A Prospective Study [117.08431221482638]
解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
論文参考訳（メタデータ） (2022-04-26T02:22:28Z)
Deep Gait Recognition: A Survey [15.47582611826366]
歩行認識は、歩き方に基づいて個人を識別することを目的とした魅力的な生体測定モダリティです。ディープラーニングは、差別的な表現を自動的に学習する能力によって、2015年からこの分野の研究環境を再構築した。深層学習による歩行認識のブレークスルーと最近の展開を総合的に紹介します。
論文参考訳（メタデータ） (2021-02-18T18:49:28Z)
Recent Progress in Appearance-based Action Recognition [73.6405863243707]
アクション認識は、ビデオ内の様々な人間の行動を特定するタスクである。最近の外見に基づく手法は、正確な行動認識に向けて有望な進歩を遂げている。
論文参考訳（メタデータ） (2020-11-25T10:18:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。