用不确定性条件生成模型解释图像分类器行为

Explaining an image classifier with a generative model conditioned by uncertainty

• 以分类器置信度为条件生成图像，分析决策依据
• 在合成数据和损坏版MNIST上验证了方法有效性
• 适合想理解模型不确定性的研究人员

我们提出一种方法，通过给定图像分类器的不确定性来条件化生成模型，以分析和解释其行为。初步实验在合成数据和经过污染的MNIST数据集上验证了该思路的可行性。

原文摘要 · Abstract (English)

We propose to condition a generative model by a given image classifier uncertainty in order to analyze and explain its behavior. Preliminary experiments on synthetic data and a corrupted version of MNIST dataset illustrate the idea.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。