通过任意概念解释:具有开放词汇概念的概念瓶颈模型
原文中文,约300字,阅读约需1分钟。发表于: 。CBM 模型通过预测一组可解释概念来作出决策,然后基于这些概念预测类标签。为了解决实践中面临的闭世界假设不切实际的问题,本文提出了一种名为 “OpenCBM” 的方法,通过与 CLIP 进行特征对齐和训练来为 CBM 提供开放词汇概念。我们的 OpenCBM 是首个具有开放词汇概念的 CBM 模型,即使在模型训练后,也可以让用户移除、添加或替换任何所需概念以解释模型的预测,并在基准数据集...
本文介绍了一种名为OpenCBM的方法,通过与CLIP进行特征对齐和训练,为CBM模型提供开放词汇概念。OpenCBM是首个具有开放词汇概念的CBM模型,可以让用户自由修改概念以解释模型的预测,并在基准数据集上提高了分类准确率9%。