FAMPE：频率感知扰动提升图像归因解释
热点事件观察中
FAMPE：频率感知扰动提升图像归因解释
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Ali Yavari等人提出归因方法FAMPE（Frequency-Aware Model Parameter Explorer），独立扰动输入图像的低频和高频频段，并根据每张图像的频谱能量自动确定分界，使扰动偏向对模型更重要的频段，以提升归因图对模型的适配性。 在ImageNet上五种卷积神经网络和Vision Transformer架构的评测中，作者称FAMPE在五种架构中的四种上显著优于最强基线AttEXplore的Insertion Score，最高提升15.4%，计算成本基本相同；以上为论文摘要声称的结果，属arXiv预印本阶段。
AI 根据报道生成 · 1 天前更新
最新进展10月14日 12:00
FAMPE：一种通过频率感知模型参数探索提升可解释性的归因方法报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIFAMPE：一种通过频率感知模型参数探索提升可解释性的归因方法
Ali Yavari等人提出FAMPE（Frequency-Aware Model Parameter Explorer），通过独立扰动图像的低频和高频频段，并根据每张图像的频谱能量自动确定分界，提升归因图对模型的适配性。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 910月14日 17:00
- 近 24 小时变化
- -49%
02.557.510
18:0010月15日06:0012:0018:00
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。