SSI:用条件 Shapley 值定位多光谱图像每个位置的通道重要性
Haotian Ma · hf · 2026-10-22
威斯康星大学麦迪逊分校研究者提出 Spectral-Spatial Interpretation(SSI),一种针对多光谱数据的全网格归因方法。现有事后解释要么用空间热力图展示模型「看哪里」,要么用全局通道分数说明「哪些通道重要」,两者割裂,不适合通道相关性在空间上局部化的多光谱数据。
SSI 对每个空间位置,在固定周边观测的条件下,对该位置的通道定义一个条件博弈并计算 Shapley 值,输出完整的光谱-空间归因矩阵而非单一热力图或全局通道排名。方法在每个位置满足 Shapley 公平性,有清晰的局部解释,在多光谱图像任务上优于现有归因方法。
「研究」频道最新
- DeepMind 联合剑桥:AI 智能体自主发现并 Lean 验证 11 台图灵机新规则 — rohanpaul_ai · 2026-10-22
- 新论文给出分布式训练中外层优化器稳定性的精确判据 — apsarathchandar · 2026-10-22
- Karpathy 开源 AutoResearch:AI 智能体全自动跑科研实验循环 — mdancho84 · 2026-10-22
- MF² 基准登陆 EMNLP 2026:用 850+ 事实/谣言对考 VLM 看懂电影 — andre_t_martins · 2026-10-22
- Gemini 读论文给化学反应排序:产率从 6% 提到 39% — bravo_abad · 2026-10-22
- AI 辅助文献综述工作流:从上传种子论文到批量提取数据 11 步 — Faheem_uh · 2026-10-22