論文の概要: Architecture-Aware Explanation Auditing for Industrial Visual Inspection

• arxiv url: http://arxiv.org/abs/2605.14255v2
• Date: Sun, 17 May 2026 12:34:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:45.990872
• Title: Architecture-Aware Explanation Auditing for Industrial Visual Inspection
• Title（参考訳）: 産業用視覚検査のためのアーキテクチャ対応説明
• Authors: Sibo Jia, Zihang Zhao, Kunrong Li,
• Abstract要約: 本稿では,自然読出仮説に基づくアーキテクチャを考慮した説明監査プロトコルを運用する。 WM-811Kウェハマップ(9クラス、172k画像)の3列のゼロフィル摂動プロトコルの下では、ViT-Tiny + Attention RolloutはDeletion AUC 0.211をSwin-Tinyの0.432-0.525に対して取得する。
• 参考スコア（独自算出の注目度）: 1.3054033103300278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial visual inspection systems increasingly rely on deep classifiers whose heatmap explanations may appear visually plausible while failing to identify the image regions that actually drive model decisions. This paper operationalizes an architecture-aware explanation audit protocol grounded in the native-readout hypothesis: the perturbation-based faithfulness of an explanation method is bounded by its structural distance from the model's native decision mechanism. On WM-811K wafer maps (9 classes, 172k images) under a three-seed zero-fill perturbation protocol, ViT-Tiny + Attention Rollout attains Deletion AUC 0.211 against 0.432-0.525 for Swin-Tiny / ResNet18+CBAM / DenseNet121 + Grad-CAM (abs(Cohen's d) > 1.1), despite lower classification accuracy. Swin-Tiny disentangles architecture family from readout structure: despite being a Transformer, its spatial feature-map hierarchy makes it Grad-CAM compatible, showing that the operative factor is readout structure rather than architecture family. A model-agnostic control (RISE) compresses all families to Deletion AUC about 0.1, indicating the gap arises from the explainer pathway; notably, RISE outperforms all native methods, so native readout is a compatibility principle rather than an optimality guarantee. A blur-fill sensitivity analysis shows that the family ordering reverses under a different perturbation baseline, reinforcing that faithfulness rankings are joint properties of (model, explainer, perturbation operator) triples. An exploratory boundary-condition study on MVTec AD (pretrained models) indicates that audit results are dataset/task dependent and identifies conditions requiring qualification. The protocol yields actionable guidance: explanation pathways should be co-designed with model architectures based on readout structure, and deployed heatmaps should be accompanied by quantitative faithfulness metrics.
• Abstract（参考訳）: 産業の視覚検査システムは、モデル決定を実際に駆動する画像領域を特定するのに失敗しながら、ヒートマップの説明が視覚的に妥当なように見えるディープ分類器にますます依存している。 本稿では,本手法の摂動に基づく忠実度は,モデル固有の決定機構からの距離によって制限されるという,ネイティブ・リードアウト仮説に基づくアーキテクチャを意識した説明監査プロトコルを運用する。 WM-811Kウェハマップ(9クラス、172k画像)では、3列のゼロフィル摂動プロトコルの下でViT-Tiny + Attention RolloutがDeletion AUC 0.211をSwin-Tiny / ResNet18+CBAM / DenseNet121 + Grad-CAM (abs(Cohen's d) > 1.1に対して0.432-0.525で達成した。 Swin-Tinyは、Transformerであるにもかかわらず、その空間的特徴マップ階層はGrad-CAMと互換性を持ち、その操作因子がアーキテクチャファミリではなくリードアウト構造であることを示している。 モデル非依存制御(RISE)は、すべてのファミリーをDeletion AUCに0.1程度圧縮し、そのギャップが説明経路から生じることを示す。 ブラーフィル感度解析により、家族順序は異なる摂動ベースラインの下で逆転し、忠実度ランキングが(モデル、説明者、摂動演算子)三重項の結合特性であることを示す。 MVTec AD (pretrained model) に関する探索的境界条件研究は、監査結果がデータセット/タスクに依存しており、資格を必要とする条件を特定していることを示している。 説明経路は、読み出し構造に基づくモデルアーキテクチャと共同設計されるべきであり、デプロイされたヒートマップは、量的忠実度メトリクスを伴わなければならない。

関連論文リスト

• Patch-Effect Graph Kernels for LLM Interpretability [0.0]
  機械的解釈可能性(Mechanistic Interpretability)は、アクティベーションパッチによる因果回路の同定によってトランスフォーマー計算をリバースエンジニアリングすることを目的としている。 本稿では,アクティベーション対応プロファイルをモデルコンポーネント上のパッチ効果グラフとして表現することにより,メカニスティック解析をグラフ機械学習問題として再構成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-07T16:03:47Z)
• ATLAS: Constitution-Conditioned Latent Geometry and Redistribution Across Language Models and Neural Perturbation Data [0.0]
  構成条件付きポストトレーニングは、モデルが学習した表現幾何学の構造化摂動として分析することができる。 グラフ, モデル, 基板間の構成による隠れ状態構造をトレースする, 幾何学第一のプログラムATLASを紹介する。
  論文  参考訳（メタデータ） (2026-04-19T23:26:02Z)
• From Perception to Autonomous Computational Modeling: A Multi-Agent Approach [0.0]
  本稿では,協調型大言語モデル(LLM)エージェントが完全計算力学ワークフローを自律的に実行する,解法に依存しないフレームワークを提案する。 エージェントは、パイプライン層間の条件付きイテレーションを導入する品質ゲートを備えた共有コンテキスト空間上の条件付き演算子として形式化される。
  論文  参考訳（メタデータ） (2026-04-08T07:56:34Z)
• Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
  異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。 自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。 構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
  論文  参考訳（メタデータ） (2025-11-10T15:48:50Z)
• Aligned Manifold Property and Topology Point Clouds for Learning Molecular Properties [55.2480439325792]
  この研究は、局所量子由来のスカラー場とカスタムトポロジカルディスクリプタを組み合わせた分子表面表現であるAMPTCRを導入する。 分子量については、AMPTCRが物理的に意味のあるデータをコードし、検証R2は0.87であることを確認した。 細菌抑制タスクでは、AMPTCRは大腸菌阻害値の分類と直接回帰の両方を可能にする。
  論文  参考訳（メタデータ） (2025-07-22T04:35:50Z)
• Automated Processing of eXplainable Artificial Intelligence Outputs in Deep Learning Models for Fault Diagnostics of Large Infrastructures [13.422002958854936]
  本研究は, ポストホックな説明と半教師付き学習を組み合わせて, 異常な説明を自動的に識別するフレームワークを提案する。 提案するフレームワークは,送電網インフラ監視のための絶縁体シェルのドローンによる画像に応用される。 2つの欠陥クラスの平均分類精度は8%向上し、メンテナンス作業者は画像の15%しか手動で再分類する必要がある。
  論文  参考訳（メタデータ） (2025-03-19T16:57:00Z)
• Measuring Self-Supervised Representation Quality for Downstream Classification using Discriminative Features [56.89813105411331]
  我々は,SimCLR,SwaV,MoCo,BYOL,DINO,SimSiam,VICReg,Barlow Twinsといった最先端の自己教師型モデルの表現空間について検討した。 本稿では,標本が誤分類される可能性を確実に予測できる教師なしスコアである自己監督表現品質スコア(Qスコア)を提案する。 Q-Score正規化による微調整により、SSLモデルの線形探索精度はImageNet-100で5.8%、ImageNet-1Kで3.7%向上する。
  論文  参考訳（メタデータ） (2022-03-03T17:48:23Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)
• Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
  因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。 この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。 実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
  論文  参考訳（メタデータ） (2020-08-02T11:19:36Z)

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。