論文の概要: SketchXplain: Intuitive Visual Explanations of Image Classifiers with Sketches
- arxiv url: http://arxiv.org/abs/2606.17646v1
- Date: Tue, 16 Jun 2026 08:05:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-17 17:15:32.343386
- Title: SketchXplain: Intuitive Visual Explanations of Image Classifiers with Sketches
- Title（参考訳）: SketchXplain: スケッチ付き画像分類器の直感的な視覚的説明
- Authors: Wencan Zhang, Mario Michelessa, Xuejun Zhao, Brian Y. Lim,
- Abstract要約: 解像度マップの可視化は、領域を指して画像ベースのAI予測を説明するが、これらはしばしば直感的で意味不明である。
AIの説明は直感的で、ユーザー知識に忠実でありながら、解釈を加速するためにはシンプルで選択的であるべきだ、と私たちは主張する。
直感的な画像に基づく説明可能なAI(XAI)のためのスケッチベースの視覚的説明を生成するために,芸術的図面に触発されたSketchXplainを提案する。
- 参考スコア（独自算出の注目度）: 10.673354746290023
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Saliency map visualizations explain image-based AI predictions by pointing to regions, but these are often unintuitive and semantically unclear, leaving an interpretability gap. We argue that AI explanations should be intuitive -- coherent to user knowledge, yet simple and selective to accelerate interpretation. Inspired by artistic drawings, we propose SketchXplain to generate sketch-based visual explanations for intuitive image-based explainable AI (XAI). Combining techniques in saliency maps, concept-bottleneck models, and sketch optimization, SketchXplain integrates saliency to select coherent observation artifacts, concepts for knowledge coherence, cues to represent them, and abstraction for simplicity. Evaluating on face expression recognition, modeling and user studies showed that SketchXplain supported quicker interpretation with more aligned visualizations than saliency maps or simple drawings. Further evaluation on skin lesion diagnosis found that SketchXplain more coherently visualized disease symptoms, better supporting lay diagnosis. Thus, this work illustrates the value of sketches for intuitive, simple, coherent, and quick image-based XAI visualizations.
- Abstract（参考訳）: 解像度マップの可視化は、領域を指して画像ベースのAI予測を説明するが、これらはしばしば直感的で意味不明であり、解釈可能性のギャップを残している。
AIの説明は直感的で、ユーザー知識に忠実でありながら、解釈を加速するためにはシンプルで選択的であるべきだ、と私たちは主張する。
芸術的図面から着想を得たSketchXplainを提案し、直感的な画像ベース説明可能なAI(XAI)のためのスケッチベースの視覚的説明を生成する。
塩分マップ、コンセプト・ボトルネックモデル、スケッチ最適化のテクニックを組み合わせることで、SketchXplainは、塩分を統合して一貫性のある観測成果物、知識コヒーレンスの概念、それらを表現するための手がかり、シンプルさの抽象化などを選択する。
表情認識、モデリング、ユーザスタディを評価することで、SketchXplainは、サリエンシマップや単純な図面よりも、より整列した視覚化でより高速な解釈をサポートした。
皮膚病変診断のさらなる評価では、SketchXplainは病気の症状をより忠実に可視化し、レイ診断を支持した。
このように、この研究は、直感的で、シンプルで、一貫性があり、画像ベースのXAI視覚化のためのスケッチの価値を描いている。
関連論文リスト
- It's All About Your Sketch: Democratising Sketch Control in Diffusion Models [114.73766136068357]
本稿では,拡散モデルにおけるスケッチの可能性を明らかにするとともに,生成型AIにおける直接スケッチ制御の詐欺的可能性に対処する。
私たちはこのプロセスを民主化し、アマチュアのスケッチが正確なイメージを生成できるようにします。
論文 参考訳（メタデータ） (2024-03-12T01:05:25Z) - Sketch2Saliency: Learning to Detect Salient Objects from Human Drawings [99.9788496281408]
本研究では,スケッチを弱いラベルとして使用して,画像中の有能な物体を検出する方法について検討する。
これを実現するために,与えられた視覚写真に対応する逐次スケッチ座標を生成することを目的としたフォト・ツー・スケッチ生成モデルを提案する。
テストは、私たちの仮説を証明し、スケッチベースの唾液度検出モデルが、最先端技術と比較して、競争力のあるパフォーマンスを提供する方法を明確にします。
論文 参考訳（メタデータ） (2023-03-20T23:46:46Z) - Towards Practicality of Sketch-Based Visual Understanding [15.30818342202786]
スケッチは、先史時代から視覚的な物体を概念化し、描写するために用いられてきた。
この論文は、スケッチに基づく視覚的理解をより実践的に進めることを目的としている。
論文 参考訳（メタデータ） (2022-10-27T03:12:57Z) - Abstracting Sketches through Simple Primitives [53.04827416243121]
人間は、オブジェクト情報を素早く通信する必要があるゲームにおいて、高いレベルの抽象化能力を示す。
本稿では,プリミティブをベースとしたスケッチ抽象化タスクを提案する。
我々のPrimitive-Matching Network(PMN)は、スケッチの解釈可能な抽象化を自己管理的に学習する。
論文 参考訳（メタデータ） (2022-07-27T14:32:39Z) - I Know What You Draw: Learning Grasp Detection Conditioned on a Few
Freehand Sketches [74.63313641583602]
そこで本研究では,スケッチ画像に関連のある潜在的な把握構成を生成する手法を提案する。
私たちのモデルは、現実世界のアプリケーションで簡単に実装できるエンドツーエンドで訓練され、テストされています。
論文 参考訳（メタデータ） (2022-05-09T04:23:36Z) - CLIPasso: Semantically-Aware Object Sketching [34.53644912236454]
本稿では,幾何学的および意味的単純化によって導かれる抽象レベルが異なるオブジェクトスケッチ手法を提案する。
スケッチをB'ezier曲線の集合として定義し、CLIPに基づく知覚的損失に対して曲線のパラメータを直接最適化するために微分器を使用する。
論文 参考訳（メタデータ） (2022-02-11T18:35:25Z)
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。