Machine learningDeep learning / NLP / CV

Transformer วิสัยทัศน์ที่อธิบายได้

Explainable Vision Transformer ผสมผสานประสิทธิภาพอันแข็งแกร่งในการรู้จำภาพของ Vision Transformers (ViT) เข้ากับเทคนิคการระบุแหล่งที่มา (attribution techniques) เช่น relevance propagation, attention rollout หรือ gradient-weighted attention ซึ่งจะเน้นย้ำว่าส่วนใดของภาพที่ขับเคลื่อนการทำนายแต่ละครั้ง แนวทางนี้ช่วยให้นักวิจัยและผู้ปฏิบัติงานสามารถตรวจสอบการตัดสินใจของโมเดลและตอบสนองข้อกำหนดด้านความโปร่งใสได้โดยไม่ลดทอนความแม่นยำ

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. 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
  2. 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

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Explainable Vision Transformer (XViT / ViT with Post-hoc Attribution). ScholarGate. https://scholargate.app/th/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.

Compare side by side

ถูกอ้างอิงโดย

ScholarGateExplainable Vision Transformer (Explainable Vision Transformer (XViT / ViT with Post-hoc Attribution)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/explainable-vision-transformer · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026