Machine learningDeep learning / NLP / CV
説明可能なVision Transformer
説明可能なVision Transformerは、Vision Transformer（ViT）の強力な画像認識性能と、関連性伝播、アテンションロールアウト、勾配重み付きアテンションなどのアトリビューション技術を組み合わせたものです。これらの技術は、どの画像領域が各予測を駆動しているかを強調します。このアプローチにより、研究者や実務家は、精度を犠牲にすることなく、モデルの決定を監査し、透明性要件を満たすことができます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Chefer, H., Gur, S., & Wolf, L. (2021). Transformer interpretability beyond attention visualization. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 782–791. DOI: 10.1109/CVPR46437.2021.00084 ↗
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., … Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR). link ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Vision Transformer (XViT / ViT with Post-hoc Attribution). ScholarGate. https://scholargate.app/ja/deep-learning/explainable-vision-transformer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 画像分類深層学習↔ compare
- マルチモーダルVision Transformer深層学習↔ compare
- Self-supervised Vision Transformer深層学習↔ compare
- セマンティックセグメンテーション深層学習↔ compare
- ビジョントランスフォーマー深層学習↔ compare