基于 Wasserstein GAN 的视觉特征归因
计算机视觉与模式识别
2018-06-27 v3
摘要
将输入图像的像素归因于某一类别是计算机视觉中一个重要且被广泛研究的问题，其应用范围从弱监督定位到理解数据中的隐藏效应。近年来，基于解释预先训练好的神经网络分类器的方法已成为事实上的最先进技术，并常用于医学和自然图像数据集。在本文中，我们讨论了这些方法的一个局限性，该局限性可能导致仅检测到部分类别特定特征。为解决此问题，我们提出了一种基于 Wasserstein 生成对抗网络（WGAN）的新型特征归因技术，其不受此局限性影响。我们表明，在合成数据集以及来自轻度认知障碍（MCI）和阿尔茨海默病（AD）患者的真实 3D 神经影像数据上，我们所提出的方法在视觉归因方面显著优于最先进技术。对于 AD 患者，该方法生成了极具真实感的疾病效应图，与观测到的效应非常接近。
引用
@article{arxiv.1711.08998,
title = {Visual Feature Attribution using Wasserstein GANs},
author = {Christian F. Baumgartner and Lisa M. Koch and Kerem Can Tezcan and Jia Xi Ang and Ender Konukoglu},
journal= {arXiv preprint arXiv:1711.08998},
year = {2018}
}
备注
Accepted to CVPR 2018