Die Studie untersucht, wie interaktive Visualisierungen Nutzer dabei unterstützen können, effizient Bildbeispiele zu finden, bei denen Computer-Vision-Modelle Fehler machen. Dafür wurden zwei Visualisierungen entwickelt und evaluiert:
Timeline-Ansicht: Zeigt den Verlauf der Vorhersagen eines Modells über die Zeit. Nutzer können so globale und lokale Muster in den Vorhersagen erkennen.
Streudiagramm-Ansicht: Ermöglicht den Vergleich der Vorhersagen verschiedener Modelle für einzelne Bilder. Nutzer können so Bilder finden, bei denen die Modelle unterschiedliche Vorhersagen treffen.
In einer Benutzerstudie zeigte sich, dass Nutzer mit Zugriff auf diese Visualisierungen mehr Bilder mit unterschiedlichen Arten von Vorhersagefehlern fanden als Nutzer ohne Visualisierungen. Außerdem berichteten sie eine höhere Benutzerfreundlichkeit und geringere kognitive Belastung.
Die Ergebnisse deuten darauf hin, dass interaktive Visualisierungen Nutzer dabei unterstützen können, das Verhalten von Computer-Vision-Modellen besser zu verstehen und gezielt Trainingsbeispiele auszuwählen, um die Modellleistung zu verbessern.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Hayeong Song... lúc arxiv.org 03-19-2024
https://arxiv.org/pdf/2305.11927.pdfYêu cầu sâu hơn