論文の概要: On Thin Ice: Towards Explainable Conservation Monitoring via Attribution and Perturbations

• arxiv url: http://arxiv.org/abs/2510.21689v1
• Date: Fri, 24 Oct 2025 17:46:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 09:00:15.561434
• Title: On Thin Ice: Towards Explainable Conservation Monitoring via Attribution and Perturbations
• Title（参考訳）: 薄い氷について:属性と摂動による説明可能な保存モニタリングに向けて
• Authors: Jiayi Zhou, Günel Aghakishiyeva, Saagar Arya, Julian Dale, James David Poling, Holly R. Houliston, Jamie N. Womble, Gregory D. Larsen, David W. Johnston, Brinnae Bent,
• Abstract要約: 我々は、Glacier Bay National Parkの航空画像を用いて、港のアザラシを検出するために、より高速なR-CNNを訓練する。 フィールド利用に関連する3つの軸に沿った説明を評価する。 これらの知見をモデル開発のための実用的な次のステップに変換する。
• 参考スコア（独自算出の注目度）: 3.4574594310498266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer vision can accelerate ecological research and conservation monitoring, yet adoption in ecology lags in part because of a lack of trust in black-box neural-network-based models. We seek to address this challenge by applying post-hoc explanations to provide evidence for predictions and document limitations that are important to field deployment. Using aerial imagery from Glacier Bay National Park, we train a Faster R-CNN to detect pinnipeds (harbor seals) and generate explanations via gradient-based class activation mapping (HiResCAM, LayerCAM), local interpretable model-agnostic explanations (LIME), and perturbation-based explanations. We assess explanations along three axes relevant to field use: (i) localization fidelity: whether high-attribution regions coincide with the animal rather than background context; (ii) faithfulness: whether deletion/insertion tests produce changes in detector confidence; and (iii) diagnostic utility: whether explanations reveal systematic failure modes. Explanations concentrate on seal torsos and contours rather than surrounding ice/rock, and removal of the seals reduces detection confidence, providing model-evidence for true positives. The analysis also uncovers recurrent error sources, including confusion between seals and black ice and rocks. We translate these findings into actionable next steps for model development, including more targeted data curation and augmentation. By pairing object detection with post-hoc explainability, we can move beyond "black-box" predictions toward auditable, decision-supporting tools for conservation monitoring.
• Abstract（参考訳）: コンピュータビジョンは、生態研究と保存モニタリングを加速させるが、ブラックボックスのニューラルネットワークベースのモデルへの信頼が欠如していることもあって、生態学のラグが採用されている。 我々は,現場展開において重要な予測や文書化の限界を実証するために,ポストホックな説明を適用することで,この問題に対処しようとしている。 グラシエ湾国立公園の航空画像を用いて、より高速なR-CNNを訓練し、ピンニペット(ハーバーシール)を検出し、勾配に基づくクラスアクティベーションマッピング(HiResCAM, LayerCAM)、局所的解釈可能なモデル非依存的説明(LIME)、摂動に基づく説明を生成する。 フィールド使用に関連する3つの軸に沿った説明を評価する。 (i)局所性:高帰属域が背景の文脈ではなく、動物と一致するか否か 二 忠実性 消毒・消毒試験が検出器の信頼性の変化をもたらすか否か 三 診断ユーティリティ:説明書が系統的な障害モードを明らかにするか否か。 説明は、周囲の氷や岩ではなく、アザラシや輪郭に集中しており、アザラシの除去は検出の信頼性を低下させ、真の正のモデルエビデンスを与える。 この分析は、アザラシと黒い氷と岩の混同を含む、繰り返し発生するエラーの原因も明らかにしている。 我々はこれらの知見を,よりターゲットとしたデータキュレーションや拡張を含む,モデル開発のための実行可能な次のステップに変換する。 オブジェクト検出とポストホックな説明責任をペアにすることで、監視監視のための監査可能な意思決定支援ツールに"ブラックボックス"予測を超越することができる。

関連論文リスト

• Active Inference for an Intelligent Agent in Autonomous Reconnaissance Missions [0.764671395172401]
  我々は知的エージェントの自律制御のための能動的推論経路計画法を開発した。 目的は、共通の運用図を維持するために、地理的領域を偵察することである。
  論文  参考訳（メタデータ） (2025-10-20T11:35:46Z)
• Towards Inference-time Scaling for Continuous Space Reasoning [55.40260529506702]
  推論時間スケーリングは、大規模言語モデルにおけるテキストベースの推論に有効であることが証明されている。 本稿では,そのような確立された手法が連続空間における推論にうまく適応できるかどうかを考察する。 本研究では,ドロップアウト型サンプリングによる多種多様な推論経路の実現可能性を示す。
  論文  参考訳（メタデータ） (2025-10-14T05:53:41Z)
• Photorealistic Inpainting for Perturbation-based Explanations in Ecological Monitoring [3.4574594310498266]
  本稿では,シーンコンテキストを保存した摂動,マスローカライズされた編集を生成するインパインティングガイドによる説明手法を提案する。 我々は,Glacier Bayのドローン画像において,港のシール検出のために微調整されたYOLOv9検出器のアプローチを実証する。 その結果、診断構造をローカライズし、従来の摂動に共通する削除アーティファクトを回避し、ドメイン関連洞察を得る。
  論文  参考訳（メタデータ） (2025-10-01T01:18:27Z)
• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• Generative Edge Detection with Stable Diffusion [52.870631376660924]
  エッジ検出は一般的に、主に識別法によって対処されるピクセルレベルの分類問題と見なされる。 本稿では、事前学習した安定拡散モデルのポテンシャルを十分に活用して、GED(Generative Edge Detector)という新しい手法を提案する。 複数のデータセットに対して広範な実験を行い、競争性能を達成する。
  論文  参考訳（メタデータ） (2024-10-04T01:52:23Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Explanation Method for Anomaly Detection on Mixed Numerical and Categorical Spaces [0.9543943371833464]
  EADMNC (混合数値およびカテゴリー空間における説明可能な異常検出) これは、元のモデルで得られた予測に説明可能性を追加する。 本稿では,大規模な実世界のデータ,特にネットワーク侵入検出領域における実験結果について報告する。
  論文  参考訳（メタデータ） (2022-09-09T08:20:13Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• CRAUM-Net: Contextual Recursive Attention with Uncertainty Modeling for Salient Object Detection [0.0]
  マルチスケールのコンテキストアグリゲーション、高度な注意機構、SOD性能向上のための不確実性認識モジュールを統合した新しいフレームワークを提案する。 我々の適応的クロススケールコンテキストモジュールは、再帰的チャネル空間的注意と畳み込みブロック注意を利用して、機能を複数のレベルから効果的に融合する。 ネットワークを堅牢にトレーニングするために,境界感応性とトポロジカル保存損失関数(Boundary IoU,Focal Tversky,Topological Saliency Los)を組み合わせて,ネットワークの信頼性を高める。
  論文  参考訳（メタデータ） (2020-06-04T18:33:59Z)

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。