谱积分引导法用于粗到细特征归因
计算机视觉与模式识别
2026-05-20 v1 人工智能
机器学习
摘要
积分引导(Integrated Gradients, IG)是广泛采用的特征归因方法，满足理想的公理化属性。然而，集成路径的选择显著影响归因质量，标准直线路径通常会同时引入所有输入特征，往往会累积沿途的噪声梯度。为解决这一限制，我们提出谱积分引导(Spectral Integrated Gradients)，其基于基线到输入差分的奇异值分解(SVD)构建集成路径。通过从最大到最小逐步激活奇异分量，SIG在粗粒细节之前引入全局结构，自然遵循从粗到细的进程。通过在 diverse 图像分类数据集上进行广泛评估，我们展示，SIG产生更干净的归因图，噪声显著降低，定量性能相对于现有基于路径的归因方法得到改善。我们的代码可在https://github.com/leekwoon/sig/获取。
引用
@article{arxiv.2605.19607,
title = {Spectral Integrated Gradients for Coarse-to-Fine Feature Attribution},
author = {Soyeon Kim and Seongwoo Lim and Kyowoon Lee and Jaesik Choi},
journal= {arXiv preprint arXiv:2605.19607},
year = {2026}
}
备注
21 pages, 13 figures, 9 tables. Accepted to ACM KDD 2026; includes appendix