КАРИ: Уделение повышенного внимания в целях классификации тонкозернистых изображений посредством дистилляции между учителями и студентами
arXiv:2610.11153v1 Annuate Type: New Habstractive: Line-grained Visual Classification требует от моделей распознавать тонкие местные черты, обнаружая визуальные доказательства, лежащие в основе их прогнозов. Пути уделения внимания конкретным классам служат естественной основой для интерпретируемого распознавания, однако их ограниченная структура прогнозирования ограничивает дискриминирующую способность и недостаточно использует промежуточные представления из сильных предварительно подготовленных позвоночников. Для решения этой проблемы мы предлагаем КАРИ, с помощью которой можно было бы использовать механизм узкого внимания для интерпретируемого мелкозернистого распознавания посредством дистилляции между учителем и учащимися. CARE хранит окончательные прогнозы и объяснения в рамках конкретного класса учащихся, а также вводит только инструктора по дополнительным запросам, который читает выбранные промежуточные уровни DINOv2 с усвоенными запросами. Преподаватель сбрасывает многоуровневые представления и передает учащимся знания, основанные на стандартизованном классе. Для дальнейшего уточнения пути объяснения мы проектируем ныряние