胃肠道基础模型的可解释性分析
Get the story
2026-10-02，arXiv发表计算机视觉研究，提出一种基于原型的模糊规则框架，直接解释预训练基础模型内部层的patch级特征，无需微调。该方法在ViT-S/16骨干网络的最后两个块上，通过特征空间聚类学习类别原型，并用人类可读的IF-THEN模糊规则进行分类。在无线胶囊内镜、胃肠道内镜和结肠息肉分割任务上，该方法在冻结特征下达到与黑盒分类器相当的准确率，并能用于检测合成医学图像中生成器未能复现的真实原型与规则，定位合成图像与真实组织的差异。
Generated from reports · updated 6 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computer Vision从图像潜在空间到模糊规则：胃肠道基础模型的可解释性分析
该研究提出一种基于原型的模糊规则框架，直接解释预训练基础模型内部层的patch级特征，无需微调。在ViT-S/16骨干网络的最后两个块上，通过特征空间聚类学习类别原型，并用人类可读的IF-THEN模糊规则进行分类。在无线胶囊内镜、胃肠道内镜和结肠息肉分割任务上，该方法在冻结特征下达到与黑盒分类器相当的准确率，并能用于检测合成医学图像中生成器未能复现的真实原型与规则，定位合成图像与真实组织的差异。
Heat trend
Current heat 8·Comparable peak 10（Oct 2）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.