Vision Transformer Spiegabile

Explainable Vision Transformer combina le elevate prestazioni di riconoscimento delle immagini dei Vision Transformer (ViT) con tecniche di attribuzione — come la propagazione della rilevanza, l'attention rollout o l'attention pesata dai gradienti — che evidenziano quali regioni dell'immagine guidano ciascuna predizione. L'approccio consente a ricercatori e professionisti di verificare le decisioni del modello e soddisfare i requisiti di trasparenza senza sacrificare l'accuratezza.