面向可信视觉模型解释的路径归因方法

路径归因框架最初受博弈论启发，因其公理性而在事后模型解释工具中脱颖而出。然而，近期发展表明该框架仍可能出现反直觉结果。此外，特别是对于深度视觉模型，现有基于路径的方法也未能符合作为该框架所声称公理性基础的原始直觉。我们通过系统性研究解决这些问题，并指出在深度视觉模型解释中采用路径归因策略可避免反直觉结果的条件。我们还设计了一种方案以排除视觉模型解释会使路径归因公理性失效的条件。这些见解被整合为一种实现可靠视觉模型解释的方法。我们的发现通过多个数据集、模型和评估指标在经验上得以确立。大量实验表明我们的方法相对于基线具有一致的性能提升。