概要: 既存のXAI指標は単一のモデルに対する忠実性を測定し、近似的に最適な分類器が異なるまたは偽の音響手掛かりに依存する場合のモデルの多様性を無視している。騒がしい農場環境では、換気音などの定常的アーティファクトが、忠実である一方で信頼性に欠ける説明を生み出す可能性がある。マスキングベースの指標は冗長な近道をペナルティ化しないためである。我々は、空間的グラウンドトゥルースを用いない家禽疾患検出における聴取可能な説明の信頼性指向評価フレームワークであるAGRI-Fidelityを提案する。手法は、モデル間のコンセンサスと循環的時系列置換を組み合わせて帰無分布を構築し、偽発見率（FDR）を計算する。これにより、定常的アーティファクトを抑制しつつ、時間的に局在した生体音響マーカーを保持する。実データセットと制御データセットの両方において、AGRI-Fidelityはマスキングベースの指標と比較して、すべてのデータポイントに対して信頼性を意識した識別を効果的に提供する。
AGRI-Fidelity: 家禽疾病検知における聴取可能な説明の信頼性評価
arXiv cs.LG / 2026/3/20
📰 ニュースModels & Research
要点
- 本論文は、既存の XAI 指標の重要な限界を指摘する。これらは単一のモデルに対する忠実度を測定し、モデルの多様性を無視しており、騒音の多い農場環境では説明の信頼性を欠く可能性がある。
- 本研究は、家禽疾病検知における聴取可能な説明の信頼性指向フレームワーク、AGRI-Fidelity を提案する。これは空間的なグラウンドトゥルースを必要としない。
- この手法は、モデル間のコンセンサスと循環的時間置換を組み合わせてヌル分布を構築し、偽発見率を算出する。これにより、定常的なアーティファクトを抑制しつつ、時間的に局所化された生体音響マーカーを保持することを目指す。
- 実データおよび制御データセットに基づく実証結果は、AGRI-Fidelity が、マスキングベースの指標が達成する範囲を超える信頼性を意識したデータ点の識別を提供することを示している。
