基于对应关系的部件级全局解释生成
计算机视觉与模式识别
2025-09-22 v1 人工智能
摘要
深度学习模型以不透明性著称。现有的解释方法通常聚焦于单幅图像的局部视觉解释。基于概念的解释虽然能够提供全局洞察，但需要大量标注，带来显著的标注成本。我们提出一种方法，利用来自少量图像的用户定义部件标签，并将其高效地迁移到更大数据集上。这使得通过聚合基于部件的局部解释来生成全局符号解释成为可能，最终为大规模模型决策提供人类可理解的解释。
引用
@article{arxiv.2509.15393,
title = {Generating Part-Based Global Explanations Via Correspondence},
author = {Kunal Rathore and Prasad Tadepalli},
journal= {arXiv preprint arXiv:2509.15393},
year = {2025}
}