論文の概要: Rethinking Feature Reliance Evaluation with Semantically Matched Suppression
- arxiv url: http://arxiv.org/abs/2607.16298v1
- Date: Mon, 13 Jul 2026 13:02:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.097087
- Title: Rethinking Feature Reliance Evaluation with Semantically Matched Suppression
- Title（参考訳）: セマンティックマッチングによる特徴信頼度評価の再考
- Abstract要約: ImageNet-trained CNNは形状抑制よりもテクスチャ抑制下での劣化が強い。
視覚変換器は形状とテクスチャの両面でCNNよりも精度が高い。
- 参考スコア（独自算出の注目度）: 5.842411095887196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding whether visual recognition models rely on shape, texture, or color is central to interpreting their behavior. Prior cue-conflict studies have strongly influenced the view that CNNs are texture-biased, yet such tests measure cue preference under artificial conflicts rather than feature reliance during natural recognition. We revisit this question through controlled feature suppression and show that performance drops are difficult to interpret unless different suppression operations impose comparable category-level damage. We introduce a semantically matched evaluation framework that compares shape and texture suppression at matched levels of category separability loss. Under this framework, ImageNet-trained CNNs show stronger degradation under texture suppression than under shape suppression, revealing greater texture reliance than suggested by unmatched suppression analyses. Extending the comparison across architectures, we find that Vision Transformers retain higher accuracy than CNNs under both shape and texture suppression. Brain encoding further shows that ViT representations exhibit smaller suppression-induced decreases in neural prediction performance under the tested suppression settings. These findings indicate that semantic comparability is essential for interpreting feature reliance from suppression experiments, and suggest that the robustness advantage of ViTs may be related to representations more compatible with human visual cortex.
- Abstract（参考訳）: 視覚認識モデルは、その振る舞いを解釈するために、形状、テクスチャ、色に依存しているかどうかを理解する。
従来のキューコンフリクト研究は、CNNはテクスチャバイアスがあるという見解に強く影響を与えてきたが、そのようなテストは、自然認識における特徴依存よりも、人工的なコンフリクトの下でキューの嗜好を測定する。
制御された機能抑制によってこの問題を再考し、異なる抑制操作が同等のカテゴリレベルのダメージを課さない限り、性能低下を解釈することが困難であることを示す。
カテゴリー分離性損失の一致レベルにおける形状とテクスチャの抑制を比較した意味マッチング評価フレームワークを提案する。
この枠組みの下では、画像ネット学習CNNは、形状抑制よりもテクスチャ抑制下での劣化が強く、不整合抑制解析により示唆されるよりもテクスチャ依存度が高いことが示される。
アーキテクチャ間の比較を拡張した結果,視覚変換器は形状とテクスチャの両面でCNNよりも高い精度を維持していることがわかった。
ブレインエンコーディングは、テストされた抑制設定の下で、ViT表現が神経予測性能を低下させることを示す。
これらの結果から, セマンティックコンパビリティは, 抑制実験による特徴依存の解釈に不可欠であることが示唆された。
関連論文リスト
- SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation [52.62632888060867]
可視赤外画像変換は、豊富な可視画像を用いて赤外線トレーニングデータを拡張するための実用的な方法を提供する。
既存の拡散に基づくメソッドは、通常、外部条件としてのみセマンティックプリエントを使用する。
SC-Diffは、条件付きガイダンスと内部自己注意校正の両方にセマンティックな事前情報を利用する意味論的潜伏拡散フレームワークである。
論文 参考訳（メタデータ） (2026-08-09T07:57:40Z) - Seeing without Looking: Do Vision-Language Benchmarks Really Test Vision? [10.315515647818009]
ベンチマーク精度はしばしば、視覚言語モデルにおける基底的な視覚的理解を反映していると仮定される。
我々は、このミスマッチをオープンソースの視覚言語モデルで体系的に研究する。
VLMは視覚入力を取り入れているが、その予測はきめ細かい視覚的証拠の喪失にはあまり敏感ではない。
論文 参考訳（メタデータ） (2026-05-21T17:35:04Z) - A Causally Grounded Taxonomy for Image Degradation Robustness Evaluation [3.8265249634979734]
本稿では,画像劣化の整理と解釈のための因果的基盤化フレームワークを提案する。
新しい劣化や既存のベンチマークを再定義する代わりに、解釈表現層と測定層を提供しています。
多様な撮像条件下でオブジェクト検出器のロバスト性を評価するための分類基準であるCOCO分解によるフレームワークの実証を行った。
論文 参考訳（メタデータ） (2026-05-15T12:44:02Z) - Same Answer, Different Representations: Hidden instability in VLMs [65.36933543377346]
本稿では,内部埋め込みドリフト,スペクトル感度,構造的滑らかさを計測する表現認識・周波数認識評価フレームワークを提案する。
このフレームワークを,SEEDBench,MMMU,POPEデータセットを対象とする最新のビジョン言語モデル(VLM)に適用する。
論文 参考訳（メタデータ） (2026-02-06T12:24:26Z) - ImageNet-trained CNNs are not biased towards texture: Revisiting feature reliance through controlled suppression [10.20881592893918]
我々は、畳み込みニューラルネットワーク(CNN)が本質的にテクスチャバイアスを受けているという仮説を再考する。
本稿では, 形状, テクスチャ, 色調を体系的に抑制することで, 特徴の信頼度を定量化するドメインに依存しないフレームワークを提案する。
コンピュータビジョン, 医用画像, リモートセンシングにまたがって解析を拡張し, 依存パターンが系統的に異なることを明らかにした。
論文 参考訳（メタデータ） (2025-09-24T15:24:43Z) - Do Sparse Subnetworks Exhibit Cognitively Aligned Attention? Effects of Pruning on Saliency Map Fidelity, Sparsity, and Concept Coherence [2.7415651415305597]
等級ベースプルーニングと微調整が低レベルのサリエンシマップと高レベルの概念表現の両方にどのように影響するかを検討する。
以上の結果から,軽質でモデレートなプルーニングは,意味論的に意味のある概念を維持しつつ,サリエンシ・マップの焦点と忠実さを向上させることが示唆された。
対照的に、アグレッシブプルーニングは不均一な特徴をマージし、精度を維持しながら、サリエンシマップの間隔とコンセプトコヒーレンスを低減する。
論文 参考訳（メタデータ） (2025-09-23T20:10:23Z) - Improving Network Interpretability via Explanation Consistency Evaluation [56.14036428778861]
本稿では、より説明可能なアクティベーションヒートマップを取得し、同時にモデル性能を向上させるフレームワークを提案する。
具体的には、モデル学習において、トレーニングサンプルを適応的に重み付けするために、新しいメトリクス、すなわち説明整合性を導入する。
そこで,本フレームワークは,これらのトレーニングサンプルに深い注意を払ってモデル学習を促進する。
論文 参考訳（メタデータ） (2024-08-08T17:20:08Z) - Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。
我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。
実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文 参考訳（メタデータ） (2024-01-25T08:11:27Z) - Finding Biological Plausibility for Adversarially Robust Features via
Metameric Tasks [3.3504365823045044]
本研究では,非ロバスト表現よりも周辺計算が優れていることを示す。
本研究は,局所的なテクスチャ要約統計表現が人間を敵に強固に導く可能性を示唆するものである。
論文 参考訳（メタデータ） (2022-02-02T01:19:40Z) - Intriguing Properties of Vision Transformers [114.28522466830374]
視覚変換器(ViT)は、様々なマシンビジョン問題にまたがって印象的な性能を誇示している。
我々は、この問題を広範囲の実験を通して体系的に研究し、高性能畳み込みニューラルネットワーク(CNN)との比較を行った。
ViTsの効果的な特徴は、自己認識機構によって可能なフレキシブルな受容と動的場によるものであることを示す。
論文 参考訳（メタデータ） (2021-05-21T17:59:18Z) - Stereopagnosia: Fooling Stereo Networks with Adversarial Perturbations [71.00754846434744]
知覚不能な加法的摂動は,差分マップを著しく変更できることを示す。
敵データ拡張に使用すると、我々の摂動はより堅牢なトレーニングされたモデルをもたらすことを示す。
論文 参考訳（メタデータ） (2020-09-21T19:20:09Z)
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。