arXiv · cs.AI· Yehonatan Elisha·· 24 天前AI 评分32
ConEx：通过概念感知归因生成人类可解释的显著性图
ConEx: Human-Interpretable Saliency Maps via Concept-Aware Attribution
来源与原文
arXiv · cs.AI
作者：Yehonatan Elisha
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.04605v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
计算机视觉可解释性研究提出 ConEx 框架，将显著性可视化与基于概念的推理结合。该框架利用概念激活向量（CAV）和特定架构的掩码机制自动发现类别概念，无需人工监督，并生成揭示概念位置及其对预测贡献的忠实显著性图。作者还提出 VCM 和 CCM 两个指标量化概念对齐度，实验显示 ConEx 在忠实性、分割和概念质量基准上达到 SOTA。
来源：arXiv · cs.AI · arxiv.org