[2O1-GS-7] 画像音声メディア処理：生成

[2O1-GS-7-03] Lambda Attention Branch Networksによる視覚的説明生成

〇飯田 紡¹、兼田 寛大¹、平川 翼²、山下 隆義²、藤吉 弘亘²、杉浦 孔明¹ (1. 慶應義塾大学、2. 中部大学)

キーワード：視覚的説明生成、Attention Branch、Lambda Networks、transformer

深層学習が幅広い分野に応用されている現代において、モデルの説明性は重要である。
しかし、Lambdaに基づくtransformerの視覚的説明生成に関する研究はほとんどない。
本論文では、重要な領域に詳細に注目し、解釈しやすい視覚的説明を生成する、Lambda Attention Branch Networksを提案する。
また、 スパースな重要領域を有する画像に有効な評価指標として、Insertion-Deletion scoreを拡張したPatch Insertion-Deletion scoreを提案する。
2つの標準データセットにおける実験結果から、提案手法が視覚的説明の生成に成功することを示した。