VISIONLOGIC：从神经元激活到因果导向概念规则的计算机视觉模型
计算机视觉与模式识别
2026-02-25 v2
摘要
虽然基于概念的解释在可解释性方面优于局部归因,但往往依赖相关信号且缺乏因果验证。我们引入VisionLogic,一个新型神经符号框架,产生作为因果验证概念的全局逻辑规则的忠实且层次化解释。VisionLogic 首先学习激活阈值,将神经元激活抽象为谓词,随后从这些谓词诱导出类别级逻辑规则。它随后通过消融式因果测试和迭代区域细化将谓词 grounding 到视觉概念,确保所发现的概念对应于导致谓词激活的特征。针对不同计算机视觉架构如 CNN 和 ViT,它产生可解释的概念和紧凑规则,大幅保留原始模型的预测性能。 在大规模人类评估中,VisionLogic 的概念解释在解释模型行为方面显著优于先前基于概念的方法。
引用
@article{arxiv.2503.10547,
title = {VISIONLOGIC: From Neuron Activations to Causally Grounded Concept Rules for Vision Models},
author = {Chuqin Geng and Yuhe Jiang and Ziyu Zhao and Haolin Ye and Anqi Xing and Li Zhang and Xujie Si},
journal= {arXiv preprint arXiv:2503.10547},
year = {2026}
}
备注
27 pages, 18 figures