B-cos-网络

一次对齐即可解释：面向可扩展 B-cos 化的基础视觉 Transformer 特征对齐

Align Once to Explain: Feature Alignment for Scalable B-cosification of Foundational Vision Transformers

提出一种免标签的一次性特征对齐方法，将任意预训练视觉基础模型（监督、自监督、视觉语言）转换为内在可解释的 B-cos 变体，且转换后模型可直接作为骨干网络用于下游任务，为视觉模型可解释性提供高效、可扩展的解决方案。