論文の概要: Spectral Integrated Gradients for Coarse-to-Fine Feature Attribution

• arxiv url: http://arxiv.org/abs/2605.19607v1
• Date: Tue, 19 May 2026 09:47:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.260859
• Title: Spectral Integrated Gradients for Coarse-to-Fine Feature Attribution
• Title（参考訳）: 粗大な特徴属性に対するスペクトル統合勾配
• Authors: Soyeon Kim, Seongwoo Lim, Kyowoon Lee, Jaesik Choi,
• Abstract要約: 統合グラディエンツ(IG)は広く採用されている特徴属性法である。 標準直線経路は全ての入力機能を同時に導入し、途中でノイズの多い勾配を蓄積する。 本稿では特異値分解に基づく積分経路を構成するスペクトル積分勾配を提案する。
• 参考スコア（独自算出の注目度）: 26.87015322424142
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrated Gradients (IG) is a widely adopted feature attribution method that satisfies desirable axiomatic properties. However, the choice of integration path significantly affects the quality of attributions, and the standard straight-line path introduces all input features simultaneously, often accumulating noisy gradients along the way. To address this limitation, we propose Spectral Integrated Gradients, which constructs integration paths based on singular value decomposition (SVD) of the baseline-to-input difference. By progressively activating singular components from largest to smallest, SIG introduces global structure before fine-grained details, naturally following a coarse-to-fine progression. Through extensive evaluation across diverse image classification datasets, we demonstrate that SIG produces cleaner attribution maps with reduced noise and achieves improved quantitative performance compared to existing path-based attribution methods. Our code is available at https://github.com/leekwoon/sig/.
• Abstract（参考訳）: 統合グラディエント(IG)は、望ましい公理特性を満たす特徴属性法として広く採用されている。 しかし、積分経路の選択は属性の品質に大きく影響し、標準直線経路は全ての入力特徴を同時に導入する。 この制限に対処するために、ベースラインと入力差の特異値分解(SVD)に基づいて積分パスを構成するスペクトル統合勾配を提案する。 特異成分を最大から最小に段階的に活性化することにより、SIGは細粒度の詳細よりも先に大域構造を導入する。 多様な画像分類データセットの広範な評価を通じて、SIGはノイズを低減したよりクリーンな帰属マップを生成し、既存の経路に基づく帰属法と比較して定量的な性能を向上させることを実証した。 私たちのコードはhttps://github.com/leekwoon/sig/で公開されています。

関連論文リスト

• Manifold-Aligned Guided Integrated Gradients for Reliable Feature Attribution [26.87015322424142]
  統合勾配(IG)は、ベースラインと入力の間の積分経路がノイズ勾配のある領域を通過するとき、信頼できない説明が得られる。 本稿では,事前学習した変分オートエンコーダの潜在空間における帰属経路を構成するemphManifold-Aligned Guided Integrated Gradients (MA-GIG)を提案する。
  論文  参考訳（メタデータ） (2026-05-04T02:56:29Z)
• Grad-ELLM: Gradient-based Explanations for Decoder-only LLMs [52.15785423211181]
  Grad-ELLMは、デコーダのみをベースとした大規模言語モデルのための勾配に基づく属性法である。 我々は、より公平な比較を提供する2つの忠実度指標$-Soft-NCと$-Soft-NSを導入する。 実験の結果,Grad-ELLMは他の属性法よりも優れた忠実性が得られることがわかった。
  論文  参考訳（メタデータ） (2026-01-06T15:22:39Z)
• CogniEdit: Dense Gradient Flow Optimization for Fine-Grained Image Editing [88.9067184995168]
  マルチモーダル推論と高密度報酬最適化を組み合わせた統合フレームワークCogniEditを提案する。 本手法は,視覚的品質と編集可能性の保存に追従する微粒な命令のバランスをとることによって,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-12-15T12:36:50Z)
• Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration [52.82397287366076]
  オールインワン画像復元は、統合された枠組み内で様々な劣化(ノイズ、ぼかし、悪天候など)を扱うことを目的としている。 本研究では, 優れた特徴抽出法により, 劣化伝達情報を本質的にエンコードする, 重要な知見を明らかにする。 我々の対称設計は固有の劣化信号を頑健に保存し、スキップ接続に単純な加法融合を施す。
  論文  参考訳（メタデータ） (2025-12-11T12:20:31Z)
• Using the Path of Least Resistance to Explain Deep Networks [5.614094161229764]
  Integrated Gradients (IG) は、広く使われている公理経路に基づく属性法である。 直進経路が原因で属性に欠陥があることが示されます。 代替として測地統合勾配(GIG)を提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:29:24Z)
• A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
  一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。 本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。 我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
  論文  参考訳（メタデータ） (2024-07-02T14:12:21Z)
• IG2: Integrated Gradient on Iterative Gradient Path for Feature Attribution [6.278326325782819]
  反復勾配経路統合勾配(IG2)はディープニューラルネットワークの顕著な経路帰属法である。 IG2は逆ファクト勾配を反復的に積分経路に組み込み、新しい経路(GradPath)と新しいベースライン(GradCF)を生成する XAIベンチマーク、ImageNet、MNIST、TRECの質問に対する回答、ウェハマップの失敗パターン、CelebAの顔属性の実験的結果は、IG2が優れた特徴属性を提供することを示す。
  論文  参考訳（メタデータ） (2024-06-16T08:48:03Z)
• Calibrated Feature Decomposition for Generalizable Person Re-Identification [82.64133819313186]
  Calibrated Feature Decomposition (CFD)モジュールは、人物の再識別の一般化能力の向上に焦点を当てている。 キャリブレーション・アンド・スタンダード化されたバッチ正規化(CSBN)は、キャリブレーションされた人物表現を学習するために設計されている。
  論文  参考訳（メタデータ） (2021-11-27T17:12:43Z)
• Investigating Saturation Effects in Integrated Gradients [5.366801257602863]
  不飽和領域の勾配を主に捉える積分勾配の変種を提案する。 この帰属的手法により,標準積分勾配と組み合わせたモデル忠実度が向上し,雑音に対する感度が低下することが判明した。
  論文  参考訳（メタデータ） (2020-10-23T22:48:02Z)

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。