Tag · 2 篇
模型无关解释
01 02
MedLIME：面向医学显著性解释的分布对齐与证据支持框架
MedLIME: A Distribution-Aligned and Evidence-Supported Framework for Medical Saliency Explanations
在无法访问模型内部的白盒条件下，用生成式重建替代 LIME 的随机扰动、并用监督式测试时自适应校准掩码分布，可迁移到任意黑盒医学影像模型的病灶定位与显著性解释评估（AUPRC）。
使分类解释忠实于置信度分数
Making the Classification Explanation Faithful to the Confidence Score
提出一种黑盒解释方法 MHE，通过 Metropolis-Hastings 采样生成与分类器置信度分数高度一致的图像区域解释，并利用已有有效样本提升采样效率；可直接用于分析和调试视觉分类模型（如 ResNet、ViT、CLIP）的决策依据。