I Gradienti Spettrali Integrati Migliorano l'Attribuzione delle Caratteristiche

I ricercatori propongono i Gradienti Spettrali Integrati (SIG), un nuovo metodo di attribuzione delle caratteristiche che affronta le limitazioni dell'approccio standard dei Gradienti Integrati (IG). IG è ampiamente utilizzato per spiegare le previsioni dei modelli, ma soffre di gradienti rumorosi a causa del suo percorso di integrazione in linea retta. SIG costruisce percorsi di integrazione utilizzando la decomposizione ai valori singolari (SVD) della differenza baseline-input, attivando le componenti singolari dalla più grande alla più piccola. Questa progressione dal generale al dettaglio introduce la struttura globale prima dei dettagli fini, producendo mappe di attribuzione più pulite con rumore ridotto. Valutato su diversi dataset di classificazione delle immagini, SIG raggiunge prestazioni quantitative migliori rispetto ai metodi basati su percorsi esistenti. L'articolo è disponibile su arXiv con identificatore 2605.19607.