面向后置解释的结构感知基准：CAMBench-QR
计算机视觉与模式识别
2025-09-23 v1 人工智能
摘要
视觉解释往往在逼真度上表现良好,但在结构忠实性方面不足。我们引入CAMBench-QR,一个结构感知基准,利用二维码(寻找图案、时钟线、模块网格)的标准几何结构来测试CAM方法是否在必需的子结构上放置显著性,同时避免背景。CAMBench-QR合成带有精确掩码和受控扭曲的二维码/非二维码数据,并报告结构感知指标(寻找/时钟质量比、背景泄漏、覆盖AUC、距离结构),以及因果遮挡、插入/删除忠实性、鲁棒性和延迟。我们在零样本和最后一层微调两个实际场景下对代表性且高效的CAM(层级CAM、EigenGrad-CAM、XGrad-CAM)进行基准测试。该基准、指标和训练配方为结构感知评估的简单、可重复衡量标准。因此我们提议CAMBench-QR可用于检验视觉解释是否真正具备结构感知能力。
关键词
引用
@article{arxiv.2509.16745,
title = {CAMBench-QR : A Structure-Aware Benchmark for Post-Hoc Explanations with QR Understanding},
author = {Ritabrata Chakraborty and Avijit Dasgupta and Sandeep Chaurasia},
journal= {arXiv preprint arXiv:2509.16745},
year = {2025}
}
备注
9 pages, 5 figures, 6 tables