Case-Enhanced Vision Transformer: 用于改进图像相似性解释的基于 ViT 的相似度度量方法
计算机视觉与模式识别
2024-07-25 v1 人工智能
摘要
本短文 presented 初步研究，提出了 Case-Enhanced Vision Transformer (CEViT)，一种旨在提高图像数据相似性评估可解释性的相似度测量方法。初始实验结果表明，将 CEViT 集成到 k 近邻（k-NN）分类中，可获得与最先进计算机视觉模型相当的分类准确率，同时添加了用于说明类别间差异的能力。CEViT 的解释可以受到先前案例的影响，以说明与这些案例相关的相似性方面。
引用
@article{arxiv.2407.16981,
title = {Case-Enhanced Vision Transformer: Improving Explanations of Image Similarity with a ViT-based Similarity Metric},
author = {Ziwei Zhao and David Leake and Xiaomeng Ye and David Crandall},
journal= {arXiv preprint arXiv:2407.16981},
year = {2024}
}