跳到正文
arXiv · 机器人与计算机视觉· Dipanjyoti Paul, Arpita Chowdhury, Maneet Chatterjee, Daichi Kitaguchi, Tanya Berger-Wolf, Tetsuya Sakurai, Wei-Lun Chao·· 22 天前AI 评分58

INTR++:具备更好准确性、可解释性与适应性的可解释 Transformer

INTR++: INterpretable TRansformer with better Accuracy, Interpretability, and Adaptability

AI 导读

针对现有可解释 Transformer(如 INTR、Prompt-CAM)在跨域场景下因固定提示词导致适应性下降的问题,本文提出 INTR++ 模型。该模型通过引入轻量级 Prompt Adapter Module(PAM),使提示词能融入特定领域知识,从而在动物、植物、医学影像、显微成像及遥感等多样化数据上保持稳定的可解释性与性能提升。

来源:arXiv · 机器人与计算机视觉 · arxiv.org