Recensione CAM: 57 articoli sulle spiegazioni visive in CNN, Transformer e modelli foundation

Una sintesi di 57 studi pubblicati dal 2016, disponibile su arXiv (2608.12299), valuta la mappatura di attivazione delle classi (CAM). Questa recensione delinea la progressione della CAM, partendo dai classificatori CNN con pooling medio globale e estendendosi a varie metodologie come spiegazioni basate su gradienti, upscaling ad alta risoluzione, localizzazione debolmente supervisionata, attribuzione dei token nei transformer e strategie basate su modelli foundation che utilizzano CLIP, DINO e SAM. Introduce una tassonomia centrata sui meccanismi di attribuzione per chiarire i metodi di spiegazione visiva. L'attenzione è sul ruolo della CAM nel trasformare i dati interni del modello in mappe di calore che enfatizzano le aree significative delle immagini. In particolare, la recensione è incentrata sulle metodologie e non include confronti sperimentali o benchmark, rivolgendosi a un pubblico accademico nei campi della visione artificiale e dell'IA spiegabile.