論文の概要: Smooth-edged Perturbations Improve Perturbation-based Image Explanations

• arxiv url: http://arxiv.org/abs/2409.04116v1
• Date: Fri, 6 Sep 2024 08:33:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-09 16:25:56.261400
• Title: Smooth-edged Perturbations Improve Perturbation-based Image Explanations
• Title（参考訳）: Smooth-edged Perturbationsは摂動に基づく画像説明を改善する
• Authors: Gustav Grund Pihlgren, Kary Främling,
• Abstract要約: 摂動に基づくポストホック画像説明法は、画像予測モデルを説明するために一般的に用いられる。 個々のピクセルを個別に摂動させることの難しさのため、画像は典型的にはより大きなセグメントに起因している。 この研究は、マスクサンプリング、セグメンテーション技術、スムース化、帰属計算の多くの組み合わせをテストする。
• 参考スコア（独自算出の注目度）: 1.1663475941322277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perturbation-based post-hoc image explanation methods are commonly used to explain image prediction models by perturbing parts of the input to measure how those parts affect the output. Due to the intractability of perturbing each pixel individually, images are typically attributed to larger segments. The Randomized Input Sampling for Explanations (RISE) method solved this issue by using smooth perturbation masks. While this method has proven effective and popular, it has not been investigated which parts of the method are responsible for its success. This work tests many combinations of mask sampling, segmentation techniques, smoothing, and attribution calculation. The results show that the RISE-style pixel attribution is beneficial to all evaluated methods. Furthermore, it is shown that attribution calculation is the least impactful parameter. The implementation of this work is available online: https://github.com/guspih/post-hoc-image-perturbation.
• Abstract（参考訳）: 摂動に基づくポストホック画像説明法は、入力の一部を摂動することで画像予測モデルを説明するために一般的に用いられる。 個々のピクセルを個別に摂動させることの難しさのため、画像は典型的にはより大きなセグメントに起因している。 ランダム化入力サンプリング(RISE)法は,スムーズな摂動マスクを用いてこの問題を解決した。 この手法は有効で普及していると証明されているが、どの部分が成功に寄与しているかは研究されていない。 この研究は、マスクサンプリング、セグメンテーション技術、スムーシング、帰属計算の多くの組み合わせをテストする。 その結果,RISE方式の画素属性はすべての評価手法に有益であることが示唆された。 さらに、帰属計算が最も影響の少ないパラメータであることが示されている。 https://github.com/guspih/post-hoc-image-perturbation.com/post-hoc-image-perturbation.com では、この作業の実装がオンラインで公開されている。

関連論文リスト

• Random Walk on Pixel Manifolds for Anomaly Segmentation of Complex Driving Scenes [1.3581810800092389]
  我々はRWPM(Random Walk on Pixel Manifolds)と呼ばれる新しい手法を提案する。 RWPMはランダムウォークを用いて画素間の固有の関係を明らかにし、画素埋め込みを洗練させる。 実験の結果、RWPMは既存の異常セグメンテーション法の性能を一貫して改善していることがわかった。
  論文  参考訳（メタデータ） (2024-04-27T17:16:45Z)
• Learning to Rank Patches for Unbiased Image Redundancy Reduction [80.93989115541966]
  画像は、隣接する領域の画素が空間的に相関しているため、空間的冗長性に悩まされる。 既存のアプローチでは、意味の少ない画像領域を減らし、この制限を克服しようとしている。 本稿では,Learning to Rank Patchesと呼ばれる画像冗長性低減のための自己教師型フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T13:12:41Z)
• DPPMask: Masked Image Modeling with Determinantal Point Processes [49.65141962357528]
  Masked Image Modeling (MIM)は、ランダムにマスキングされた画像の再構成を目的として、印象的な代表的性能を達成した。 先行研究で広く使われている一様ランダムマスキングは、必然的にいくつかの重要なオブジェクトを失い、元のセマンティック情報を変更する。 この問題に対処するため、MIMを新しいマスキング戦略であるDPPMaskで強化する。 提案手法は単純だが有効であり,様々なフレームワークで実装される場合,余分に学習可能なパラメータは不要である。
  論文  参考訳（メタデータ） (2023-03-13T13:40:39Z)
• Learning to Annotate Part Segmentation with Gradient Matching [58.100715754135685]
  本稿では,事前学習したGANを用いて,高品質な画像を生成することで,半教師付き部分分割タスクに対処することに焦点を当てる。 特に、アノテータ学習を学習から学習までの問題として定式化する。 提案手法は,実画像,生成された画像,さらには解析的に描画された画像を含む,幅広いラベル付き画像からアノテータを学習可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-06T01:29:22Z)
• What can we learn about a generated image corrupting its latent representation? [57.1841740328509]
  GANのボトルネックにおける潜在表現に基づいて画像品質を予測できるという仮説を考察する。 遅延表現を雑音で破壊し、複数の出力を生成することでこれを実現できる。
  論文  参考訳（メタデータ） (2022-10-12T14:40:32Z)
• Interpretations Steered Network Pruning via Amortized Inferred Saliency Maps [85.49020931411825]
  限られたリソースを持つエッジデバイスにこれらのモデルをデプロイするには、畳み込みニューラルネットワーク(CNN)圧縮が不可欠である。 本稿では,新しい視点からチャネルプルーニング問題に対処するために,モデルの解釈を活用して,プルーニング過程を解析する手法を提案する。 本研究では,実時間スムーズなスムーズなスムーズなスムーズなマスク予測を行うセレクタモデルを導入することで,この問題に対処する。
  論文  参考訳（メタデータ） (2022-09-07T01:12:11Z)
• Few-shot semantic segmentation via mask aggregation [5.886986014593717]
  セマンティックセグメンテーションは、ラベル付きデータが少ない新しいクラスを認識することを目的としている。 従来の研究では、これをピクセル単位の分類問題と見なしていた。 この問題に対処するためのマスクベースの分類手法を提案する。
  論文  参考訳（メタデータ） (2022-02-15T07:13:09Z)
• Contrastive Unpaired Translation using Focal Loss for Patch Classification [0.0]
  コントラストアンペア翻訳は画像から画像への翻訳の新しい手法である。 本研究では,PatchNCE損失におけるクロスエントロピー損失の代わりに焦点損失を用いることで,モデルの性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-09-25T20:22:33Z)
• Just Noticeable Difference for Machine Perception and Generation of Regularized Adversarial Images with Minimal Perturbation [8.920717493647121]
  人間の知覚のジャスト通知差(JND)の概念に触発された機械知覚の尺度を紹介します。 本稿では,機械学習モデルが偽ラベルを出力することで画像の変化を検出するまで,画像を付加雑音で反復的に歪曲する逆画像生成アルゴリズムを提案する。 CIFAR10、ImageNet、MS COCOデータセット上で、アルゴリズムが生成する対向画像の定性的および定量的評価を行います。
  論文  参考訳（メタデータ） (2021-02-16T11:01:55Z)
• High-Resolution Image Inpainting with Iterative Confidence Feedback and Guided Upsampling [122.06593036862611]
  既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。 本稿では,フィードバック機構を備えた反復インペイント手法を提案する。 実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-24T13:23:45Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。