論文の概要: [Re] Improving Interpretation Faithfulness for Vision Transformers

• arxiv url: http://arxiv.org/abs/2509.14846v1
• Date: Thu, 18 Sep 2025 11:11:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.180558
• Title: [Re] Improving Interpretation Faithfulness for Vision Transformers
• Title（参考訳）: [Re]視覚変換器の解釈忠実度の改善
• Authors: Izabela Kurek, Wojciech Trejter, Stipe Frkovic, Andro Erdelez,
• Abstract要約: 本研究の目的は、arXiv:2311.17983によって提案されたFViT(Fithful Vision Transformers)の結果を、視覚変換器の解釈可能性手法と共に再現することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work aims to reproduce the results of Faithful Vision Transformers (FViTs) proposed by arXiv:2311.17983 alongside interpretability methods for Vision Transformers from arXiv:2012.09838 and Xu (2022) et al. We investigate claims made by arXiv:2311.17983, namely that the usage of Diffusion Denoised Smoothing (DDS) improves interpretability robustness to (1) attacks in a segmentation task and (2) perturbation and attacks in a classification task. We also extend the original study by investigating the authors' claims that adding DDS to any interpretability method can improve its robustness under attack. This is tested on baseline methods and the recently proposed Attribution Rollout method. In addition, we measure the computational costs and environmental impact of obtaining an FViT through DDS. Our results broadly agree with the original study's findings, although minor discrepancies were found and discussed.
• Abstract（参考訳）: 本研究の目的は、arXiv:2311.17983が提案したFViTと、arXiv:2012.09838とXu(2022)による視覚変換器の解釈可能性メソッドを併用して、arXiv:2311.17983による主張を再現することである。 また,本研究は,どの解釈可能性法にもDDSを付加することで,攻撃時の堅牢性を向上させるという著者の主張を調査することによって拡張する。 これはベースライン法と最近提案されたアトリビューションロールアウト法で試される。 さらに,DDSによるFViT取得の計算コストと環境影響を測定した。 本研究の結果は,軽微な相違点が発見され,議論されたにもかかわらず,本研究の成果と広く一致している。

関連論文リスト

• Estimating Commonsense Plausibility through Semantic Shifts [66.06254418551737]
  セマンティックシフトを測定することでコモンセンスの妥当性を定量化する新しい識別フレームワークであるComPaSSを提案する。 2種類の細粒度コモンセンス可視性評価タスクの評価は,ComPaSSが一貫してベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2025-02-19T06:31:06Z)
• Towards Understanding the Robustness of Diffusion-Based Purification: A Stochastic Perspective [65.10019978876863]
  拡散性浄化(DBP)は、敵の攻撃に対する効果的な防御機構として出現している。 本稿では,DBPプロセスの本質性がロバスト性を駆動する主要な要因であることを示す。
  論文  参考訳（メタデータ） (2024-04-22T16:10:38Z)
• MoE-FFD: Mixture of Experts for Generalized and Parameter-Efficient Face Forgery Detection [54.545054873239295]
  ディープフェイクは、最近、国民の間で重大な信頼問題とセキュリティ上の懸念を提起した。 ViT法はトランスの表現性を生かし,優れた検出性能を実現する。 この研究は、汎用的でパラメータ効率のよいViTベースのアプローチであるFace Forgery Detection (MoE-FFD)のためのMixture-of-Expertsモジュールを導入する。
  論文  参考訳（メタデータ） (2024-04-12T13:02:08Z)
• Enhancing the "Immunity" of Mixture-of-Experts Networks for Adversarial Defense [6.3712912872409415]
  近年の研究では、敵対的な例に対するディープニューラルネットワーク(DNN)の脆弱性が明らかにされている。 そこで我々は,Mixture-of-Experts (MoE) アーキテクチャを改良した新たな敵防御手法 "Immunity" を提案する。
  論文  参考訳（メタデータ） (2024-02-29T01:27:38Z)
• Improving Adversarial Transferability by Stable Diffusion [36.97548018603747]
  敵対的な例は 良心サンプルに 知覚不能な摂動を導入 予測を欺く ディープニューラルネットワーク(Deep Neural Network, DNN)は、良性サンプルに知覚不能な摂動を導入し、予測を誤認する敵の例に影響を受けやすい。 本稿では,SDAM(Stable Diffusion Attack Method)と呼ばれる新しい攻撃手法を提案する。
  論文  参考訳（メタデータ） (2023-11-18T09:10:07Z)
• VISION DIFFMASK: Faithful Interpretation of Vision Transformers with Differentiable Patch Masking [10.345616883018296]
  本稿では、VVISION DIFFMASKと呼ばれるポストホック解釈法を提案する。 モデルの隠れたレイヤのアクティベートを使用して、最終的な予測に寄与する入力の関連部分を予測します。 我々の手法は、予測されたクラス上の分布を保存する元の入力の最小サブセットを特定するためにゲーティング機構を使用する。
  論文  参考訳（メタデータ） (2023-04-13T10:49:26Z)
• Interpretable Research Replication Prediction via Variational Contextual Consistency Sentence Masking [14.50690911709558]
  研究レプリケーション予測(Research Replication Prediction、RRP)は、公表された研究結果が複製可能かどうかを予測するタスクである。 本研究では,キー文を自動的に抽出するVCCSM法を提案する。 欧州人権条約 (ECHR) のデータセットとともに, RRP に関する実験の結果, VCCSM は長い文書分類作業において, モデル解釈可能性を向上させることができることを示した。
  論文  参考訳（メタデータ） (2022-03-28T03:27:13Z)
• Adaptive Invariance for Molecule Property Prediction [38.637412590671865]
  異種データを超えた一般化や外挿が可能な予測器を学習するための新しい手法を提案する。 提案手法は,最近提案された不変リスク最小化に基づいて拡張する。 我々の予測器は最先端の伝達学習手法をかなりの差で上回っている。
  論文  参考訳（メタデータ） (2020-05-05T19:47:20Z)

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。