Checkmate：可解释且可说明的 RSVQA 是最终目标
计算机视觉与模式识别
2025-08-19 v1
摘要
遥感视觉问答（RSVQA）在确保模型决策既可理解又基于视觉内容方面面临独特挑战。现有模型常常缺乏可解释性和可说明性，以及数据集分布中的偏差导致捷径学习。在这项工作中，我们通过引入一个新的 RSVQA 数据集 Chessboard 来解决这些问题，该数据集通过 3'123'253 个问题和平衡的答案分布来最小化偏差。每个答案与图像中的一个或多个单元格相关联，从而实现细粒度的视觉推理。基于此数据集，我们开发了一个名为 Checkmate 的可解释且可说明的模型，用于识别与其决策最相关的图像单元格。通过在多个模型架构上的广泛实验，我们证明了我们的方法提高了透明度，并支持 RSVQA 系统中更可信的决策。
引用
@article{arxiv.2508.13086,
title = {Checkmate: interpretable and explainable RSVQA is the endgame},
author = {Lucrezia Tosato and Christel Tartini Chappuis and Syrielle Montariol and Flora Weissgerber and Sylvain Lobry and Devis Tuia},
journal= {arXiv preprint arXiv:2508.13086},
year = {2025}
}