概念ベースのXAIのための高解像度ランドスケープデータセット：種分布モデルへの適用
arXiv cs.CV / 2026/4/16
💬 オピニオンIdeas & Deep AnalysisTools & Practical UsageModels & Research
要点
- 本論文は、種分布モデル（SDMs）のための、最初の概念ベースExplainable AI（XAI）手法を提案する。予測精度を維持しつつ、生態学的解釈可能性を向上させることを目的とする。
- これはRobust TCAV（Concept Activation Vectorsを用いたTesting）を用いて、キュレーションされたランドスケープ概念がパッチレベルおよびランドスケープレベルの両方でSDMの予測に与える影響を定量化する。
- この方法論を支えるため、著者らは、マルチスペクトルおよびLiDARドローン画像から構築した、オープンアクセスの高解像度ランドスケープ概念データセットを公開する。そこには15概念に対する653枚の概念パッチと、1,450枚のランダムな参照パッチが含まれる。
- 2つの水生昆虫種（PlecopteraおよびTrichoptera）に対し、2つのCNNと1つのVision Transformerを用いた実験により、概念ベースXAIが専門家の生態学的知識に基づいてモデルを検証し、新たな関連性を明らかにできることが示される。
- 著者らはコードとデータセットを公開し、本研究を保全、侵入種の管理、仮説生成のための再利用可能なリソースとして位置づけている。
