基于度量引导的类激活映射合成
机器人学
2025-04-15 v1 人工智能
摘要
类激活映射（CAM）是解释卷积神经网络（CNN）行为的流行型 saliency 方法。这类方法生成热图，以突出输入中与CNN输出最相关的部分。已提出多种CAM方法，各有不同的表达式来派生热图。一般而言，用户寻求具有特定属性的热图，这些属性反映了CNN功能的不同方面，包括与ground truth 的相似性、鲁棒性、等变性等。尽管现有CAM方法在其表达式中隐式编码了其中一些属性，但无法在用户意图或领域知识的基础上对热图生成进行灵活性。本文通过引入基于度量的CAM表达式合成方法 SyCAM 来解决此限制。给定预定义的 saliency 图评估度量，SyCAM 自动生成针对该度量优化的CAM表达式。我们特别探讨了 SyCAM 的一种基于语法引导的合成实例，即CAM表达式基于预定义的语法约束和给定度量派生。使用几个 established 评估度量，我们展示了该方法在生成针对性热图方面的有效性和灵活性。在ResNet50、VGG16和VGG19三个知名模型上与其他著名CAM方法进行比较。
引用
@article{arxiv.2504.09997,
title = {GenTe: Generative Real-world Terrains for General Legged Robot Locomotion Control},
author = {Hanwen Wan and Mengkang Li and Donghao Wu and Yebin Zhong and Yixuan Deng and Zhenglong Sun and Xiaoqiang Ji},
journal= {arXiv preprint arXiv:2504.09997},
year = {2025}
}