CLIP-QDA：一个可解释的概念瓶颈模型
CLIP-QDA: An Explainable Concept Bottleneck Model
AI总结：
本文提出基于多模态基础模型的可解释图像分类算法 CLIP-QDA，通过高斯混合模型构建可解释潜在空间，仅用统计值推断标签并提供局部与全局解释，在保持与先进 CBMs 相似准确率的同时计算更快。
摘要：
在本文中，我们提出了一种基于多模态基础模型设计的可解释算法，能够进行快速且可解释的图像分类。受基于 CLIP 的概念瓶颈模型（CBMs）启发，我们的方法构建了一个潜在空间，其中每个神经元都与一个特定的词相关联。观察到该潜在空间可以用简单的分布进行建模，我们使用高斯混合模型（MoG）形式来增强该潜在空间的可解释性。然后，我们引入了 CLIP-QDA，这是一种仅使用统计值从概念中推断标签的分类器。此外，这种形式支持局部和全局解释。这些解释源于我们架构的内部设计，我们的工作属于一种新型灰盒模型家族，结合了不透明基础模型的性能和透明模型的可解释性。我们的实证结果表明，在 MoG 假设成立的实例中，CLIP-QDA 与最先进的方法 CBMs 达到了相似的准确率。我们的解释可与现有的 XAI 方法相媲美，同时计算速度更快。
英文摘要：
In this paper, we introduce an explainable algorithm designed from a multi-modal foundation model, that performs fast and explainable image classification. Drawing inspiration from CLIP-based Concept Bottleneck Models (CBMs), our method creates a latent space where each neuron is linked to a specific word. Observing that this latent space can be modeled with simple distributions, we use a Mixture of Gaussians (MoG) formalism to enhance the interpretability of this latent space. Then, we introduce CLIP-QDA, a classifier that only uses statistical values to infer labels from the concepts. In addition, this formalism allows for both local and global explanations. These explanations come from the inner design of our architecture, our work is part of a new family of greybox models, combining performances of opaque foundation models and the interpretability of transparent models. Our empirical findings show that in instances where the MoG assumption holds, CLIP-QDA achieves similar accuracy with state-of-the-art methods CBMs. Our explanations compete with existing XAI methods while being faster to compute.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
