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 מקורית | אנגלית |
---|---|
כותר פרסום המארח | Proceedings - 2023 IEEE/CVF International Conference on Computer Vision, ICCV 2023 |
מוציא לאור | Institute of Electrical and Electronics Engineers Inc. |
עמודים | 2073-2084 |
מספר עמודים | 12 |
מסת"ב (אלקטרוני) | 9798350307184 |
מזהי עצם דיגיטלי (DOIs) | |
סטטוס פרסום | פורסם - 2023 |
פורסם באופן חיצוני | כן |
אירוע | 2023 IEEE/CVF International Conference on Computer Vision, ICCV 2023 - Paris, צרפת משך הזמן: 2 אוק׳ 2023 → 6 אוק׳ 2023 |
סדרות פרסומים
שם | Proceedings of the IEEE International Conference on Computer Vision |
---|---|
ISSN (מודפס) | 1550-5499 |
כנס
כנס | 2023 IEEE/CVF International Conference on Computer Vision, ICCV 2023 |
---|---|
מדינה/אזור | צרפת |
עיר | Paris |
תקופה | 2/10/23 → 6/10/23 |
הערה ביבליוגרפית
Publisher Copyright:© 2023 IEEE.