通过基于路径规划的算法解释图像增强黑盒方法
计算机视觉与模式识别
2022-07-15 v1 多媒体
摘要
如今，图像到图像翻译方法是自然图像增强的最先进方法。即便它们通常在精度上表现优异，却常受若干限制，如伪影生成与对高分辨率的可扩展性不足。此外，其主要缺陷是完全黑盒方式，无法向最终用户提供关于所应用增强过程的任何洞见。本文中我们提出一种路径规划算法，逐步解释最先进增强方法产生的输出，克服黑盒限制。该称为 eXIE 的算法使用 A* 算法的一种变体，通过应用等价的增强算子序列来模拟另一方法的增强过程。我们将 eXIE 应用于解释在 Five-K 数据集上训练的若干最先进模型的输出，获得了在性能上能产生非常相似结果且克服了最佳性能算法可解释性差的巨大限制的增强算子序列。
引用
@article{arxiv.2207.07092,
title = {Explaining Image Enhancement Black-Box Methods through a Path Planning Based Algorithm},
author = {Marco Cotogni and Claudio Cusano},
journal= {arXiv preprint arXiv:2207.07092},
year = {2022}
}