Visual Explanations via Iterated Integrated Attributions

Oren Barkan, Yehonatan Elisha, Yuval Asher, Amit Eshel, Noam Koenigstein

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

We introduce Iterated Integrated Attributions (IIA) - a generic method for explaining the predictions of vision models. IIA employs iterative integration across the input image, the internal representations generated by the model, and their gradients, yielding precise and focused explanation maps. We demonstrate the effectiveness of IIA through comprehensive evaluations across various tasks, datasets, and network architectures. Our results showcase that IIA produces accurate explanation maps, outperforming other state-of-the-art explanation techniques.

שפה מקוריתאנגלית
כותר פרסום המארחProceedings - 2023 IEEE/CVF International Conference on Computer Vision, ICCV 2023
מוציא לאורInstitute of Electrical and Electronics Engineers Inc.
עמודים2073-2084
מספר עמודים12
מסת"ב (אלקטרוני)9798350307184
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 2023
פורסם באופן חיצוניכן
אירוע2023 IEEE/CVF International Conference on Computer Vision, ICCV 2023 - Paris, צרפת
משך הזמן: 2 אוק׳ 20236 אוק׳ 2023

סדרות פרסומים

שםProceedings of the IEEE International Conference on Computer Vision
ISSN (מודפס)1550-5499

כנס

כנס2023 IEEE/CVF International Conference on Computer Vision, ICCV 2023
מדינה/אזורצרפת
עירParis
תקופה2/10/236/10/23

הערה ביבליוגרפית

Publisher Copyright:
© 2023 IEEE.

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Visual Explanations via Iterated Integrated Attributions'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי