SG-OIF: Neues Framework für Echtzeit-Analyse von Einflussfaktoren in Vision-Modelle
Die Bewertung, wie einzelne Trainingsbeispiele die Vorhersagen eines tiefen Vision-Modells beeinflussen, ist entscheidend für die sichere Nutzung von KI in der Bildverarbeitung. Traditionelle Einflussfunktionen, die angeben, wie ein infinitesimales Auf- oder Abheben eines Trainingspunkts die Ausgabe verändert, sind jedoch in modernen Deep‑Learning‑Architekturen schwer umzusetzen. Die Berechnung der inversen Krümmung ist rechenintensiv, und die Nicht‑Stationarität des Trainingsprozesses macht statische Annäherungen unzuverlässig.
