Core Concepts
オープンリポジトリ内のAIビジョンモデルの性能、ロバスト性、説明性を敵対的攻撃下で包括的に評価し、モデル選択の指針を提供する。
Abstract
本研究は、オープンリポジトリ内のAIビジョンモデルの品質属性を包括的に評価するフレームワークを提案する。
まず、計算効率性の評価では、モデルとXAI手法の実行時間とリソース消費を測定する。
次に、モデルの性能評価では、精度、再現率、F1スコア、AUC-ROCなどの指標を用いる。
さらに、ロバスト性の評価では、ベンチマークの敵対的攻撃を適用し、出力分布の変化を定量化するKolmogorov-Smirnov統計量を用いる。
説明性の評価では、XAI手法によって生成された注目領域マップを用いて、モデルの予測に寄与する特徴の説明性を測る。
また、敵対的攻撃下での説明性の耐性も評価する。
最後に、3つの質問を提示し、本研究の知見を深化させる。
Stats
モデルの実行時間は平均X秒であった。
GPUリソース使用率は平均Y%であった。
敵対的攻撃により、モデルの予測分布は平均Z変化した。
Quotes
"オープンリポジトリ内のAIモデルの品質属性を包括的に評価することは重要である。"
"敵対的攻撃に対するモデルのロバスト性と説明性の耐性は、実用化にとって重要な課題である。"
"XAI手法の説明性は、モデルアーキテクチャによって大きく異なることが明らかになった。"