跳到正文
热点事件持续更新

提出无需权重与概念标注的黑盒视觉模型概念归因方法HnS

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Bhanu Tokas、Rahul Nair、Rockwell Jackson、Hannah Kerner 等研究者发布论文，提出概念级归因方法 Hide and Seek（HnS），用于解释黑盒视觉模型，无需访问模型权重，也不需要概念标注数据集。 其流程是：用视觉语言模型检索与概念相关的图像并定位概念区域，遮挡该区域后，根据黑盒模型输出的变化衡量该概念的归因。作者称基于论文摘要，HnS 在 CelebA 和 COCO-Stuff 上与真实归因的一致性优于现有方法，并应用于图像描述和卫星图像分割任务；匿名代码放在补充材料中。

AI 根据报道生成 · 3 小时前更新

最新进展10月12日 12:00
Hide and Seek（HnS）提出无需权重和概念标注数据的视觉模型概念归因方法

报道时间线

沿着报道，了解事件的不同侧面。

10月12日
  1. arXiv · cs.AI
    Hide and Seek（HnS）提出无需权重和概念标注数据的视觉模型概念归因方法

    研究者提出Hide and Seek（HnS），用于解释黑盒视觉模型的概念级归因，无需访问模型权重或使用概念标注数据集。该方法通过视觉语言模型检索概念相关图像并定位概念区域，再遮挡区域、比较黑盒模型输出变化；基于论文摘要，HnS在CelebA和COCO-Stuff上与真实归因的一致性优于现有方法，并应用于图像描述和卫星图像分割，代码以匿名形式放在补充材料中。

本事件热度走势

可比范围当前
9
可比范围峰值
910月12日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。