跳到正文
热点事件持续更新

提出基于孤立部分图的可信 ViT 分类器方法

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

针对现有可解释 Vision Transformer(ViT)因自注意力机制导致局部特征吸收全局上下文而缺乏忠实性的问题,Bernard Tomczyk、Gail Collyer-Hoar 和 Bryan Williams 于 2026 年 11 月 18 日在 arXiv 提交论文《Keeping Parts Honest:用于忠实 Vision Transformer 解释的孤立部分图》。该研究提出一种将图像表示为孤立部分图的分类器方法,旨在解决 ViT 模型解释性不足的问题。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    Keeping Parts Honest:用于忠实 Vision Transformer 解释的孤立部分图

    针对现有可解释 Vision Transformer(ViT)因自注意力机制导致局部特征吸收全局上下文而缺乏忠实性的问题,本文提出一种将图像表示为孤立部分图的分类器。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。