通过像素的集体贡献解释目标检测器
计算机视觉与模式识别
2026-05-19 v4
摘要
目标检测器的视觉解释对于提高其可靠性至关重要。目标检测器通过综合评估多个视觉特征来识别和定位实例。在生成解释时，忽略这些集体影响可能会导致遗漏组合线索或捕获虚假相关性。然而，现有方法通常只关注单个像素的贡献，忽略了多个像素的集体贡献。为解决此问题，我们提出了一种基于博弈论的方法，利用Shapley值和交互作用来显式地捕获单个和集体的像素贡献。我们的方法为边界框定位和类别判定提供解释，突出了对检测至关重要的区域。大量实验表明，所提出的方法比最先进的方法更准确地识别出重要区域。代码可在 https://github.com/tt0814/VX-CODE 获取。
引用
@article{arxiv.2412.00666,
title = {Explaining Object Detectors via Collective Contribution of Pixels},
author = {Toshinori Yamauchi and Hiroshi Kera and Kazuhiko Kawamoto},
journal= {arXiv preprint arXiv:2412.00666},
year = {2026}
}
备注
Accepted to CVPR 2026 (Highlight); code is available at: https://github.com/tttt-0814/VX-CODE