Forklarbar Vision Transformer
Forklarbar Vision Transformer kombinerer den sterke bildegjenkjenningsytelsen til Vision Transformers (ViT) med attribusjonsteknikker – som relevanspropagering, attention rollout eller gradient-vektet attention – som fremhever hvilke bildeområder som driver hver prediksjon. Tilnærmingen gjør det mulig for forskere og praktikere å revidere modellbeslutninger og oppfylle krav til transparens uten å ofre nøyaktighet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Explainable Vision Transformer (XViT / ViT with Post-hoc Attribution). ScholarGate. https://scholargate.app/no/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.
- BildeklassifiseringDyp læring↔ compare
- Multimodal Vision TransformerDyp læring↔ compare
- Selv-supervisert Vision TransformerDyp læring↔ compare
- Semantisk segmenteringDyp læring↔ compare
- Vision TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →