计算机科学 > 计算机视觉与模式识别
[提交于 2025年9月18日
]
标题: [回复] 提高视觉变压器的解释忠实度
标题: [Re] Improving Interpretation Faithfulness for Vision Transformers
摘要: 这项工作旨在复现由arXiv:2311.17983提出的忠实视觉变换器(FViTs)的结果,以及来自arXiv:2012.09838和Xu (2022)等人的视觉变换器的可解释性方法。 我们研究了arXiv:2311.17983提出的主张,即使用扩散去噪平滑(DDS)可以提高可解释性在(1)分割任务中的鲁棒性以应对攻击,以及(2)分类任务中的扰动和攻击。 我们还通过研究作者的主张扩展了原始研究,即在任何可解释性方法中添加DDS可以提高其在攻击下的鲁棒性。 这在基线方法和最近提出的归因展开方法上进行了测试。 此外,我们测量了通过DDS获得FViT的计算成本和环境影响。 我们的结果总体上与原始研究的发现一致,尽管发现了某些细微差异并进行了讨论。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.