arXiv cs.CV· Marco Stefani, Edoardo Parpaiola, Matteo Bino, Gianluca Caregnato, Francesco Roncolato, Daniel Fusaro, Loris Nanni, Alberto Pretto·· 2 小时前AI 评分22
CNN、Mamba 与 ViT 架构的可解释性分析：基于眼动注视数据的验证
Bridging Human and Model Attention: Explainability Analysis of CNN, Mamba, and ViT Architectures with Gaze-Based Validation
AI 导读
研究用眼动追踪数据量化 CNN、ViT 与 Vision Mamba（ViM）的模型注意力与人类视觉感知的对齐程度，覆盖细粒度分类、医学影像和情绪识别任务。结果显示 CNN 显著性图更全局弥散，ViT 呈 patch 级细粒度注意力，ViM 在医学任务可解释性强但自然图像上强度分布出现分化。研究还分析了骨干冻结与集成策略对可解释性的影响。
来源：arXiv cs.CV · arxiv.org