时间序列和模型归因解释的交互式稠密像素可视化

深度学习算法在计算机视觉任务中取得重大进展，但其可解释性受到关注。

可解释人工智能（XAI）旨在揭示人工智能模型的决策过程。

视觉解释是可解释人工智能的一个子集，通过突出显示输入图像中的重要区域提供直观见解。

提出了一个XAI基准，包括来自不同主题的数据集集合，提供类别标签和解释注释。

引入了全面的视觉解释流程，整合数据加载、预处理、实验设置和模型评估过程。

该结构使研究人员能够公平比较各种视觉解释技术。

对超过10种视觉解释评估方法进行综合评述，以帮助研究人员有效利用数据集合。

使用多种评估指标在选定数据集上实验，以评估现有视觉解释方法的性能。

希望该基准能够推动视觉解释模型的进步，相关数据集合和代码公开可访问。