跳到正文
arXiv · 机器人与计算机视觉· Magdalena Tr\k{e}dowicz, {\L}ukasz Struski, Arkadiusz Lewicki, Karolina Pachota, Andrzej Grudzie\'n, Mateusz Jag{\l}a, Jacek Tabor·· 20 天前AI 评分68

SEAMS:通过 MSE-保持软掩码实现充分性显著性分析

What Pixels Are Enough? SEAMS: Sufficiency Saliency via MSE-Preservation Soft-Masks

AI 导读

arXiv 论文 SEAMS 介绍了一种基于充分性的显著性方法,直接利用冻结的可微模型输出(如类别概率或嵌入)优化软掩码以保留选定结果。该方法无需辅助干扰数据集或特定架构归因机制,仅需查询图像即可生成紧凑、可解释且跨随机初始化稳定的掩码。

来源:arXiv · 机器人与计算机视觉 · arxiv.org