本研究提出了一种评估包装设计中品牌标志符关注度的框架，使用YOLOv8进行标志符检测，并结合显著性地图生成全面的品牌关注度评分。结果验证了该方法的优越性，并支持品牌能见度相关的心理物理学假设。

本文介绍了ViT-ReciproCAM，一种用于解决Vision Transformers在图像分类和目标检测中预测错误挑战的梯度无关的视觉解释方法。该方法通过生成局部化的显著性地图来优化ADCC指标，有效地理解和调试ViT模型。

该研究提出了一种新的“公平解释”评估方法，应用于潜在的仇恨言论的内容审查，发现显著性地图通常表现更好，显示出较少的不公平证据。