SaliencyDecor：特徴の非相関化によるニューラルネットの解釈性向上
arXiv cs.CV / 2026/4/29
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 勾配ベースのサリエンシー手法は、相関した特徴次元が冗長な方向にわたって帰属（アトリビューション）勾配を拡散させるため、説明がノイズ的かつ不安定になりがちです。
- 本研究は特徴相関を、勾配ベース解釈性における構造的な制約として特定し、それを抑える SaliencyDecor を提案します。
- SaliencyDecor は、特徴デコリレーション（非相関化）正則化を、分類および特徴マスキング下での予測一貫性と併せて学習し、モデル構造やサリエンシー手法を変えずに帰属の忠実度を高めます。
- 複数のベンチマークとアーキテクチャでの実験により、SaliencyDecor はよりシャープで対象に焦点化したサリエンシーマップを生成しつつ予測精度も向上することが示されます。
