Обнаружение временных концепций в видеотрансформаторах с помощью теста на нефальсифицированные позитивы

arXiv: 261 0303353v 1 Annualce Type: New Habstract: Video Models имеет архитектуру, поддерживающую кодирование временных аспектов ввода, т.е. концепции, требующие более чем одного кадра для определения движения объекта. Однако, поскольку изменение движения и внешнего вида запутано, особенность, которая кодирует временные концепции, такие как движение объекта, может вместо этого кодировать невременные концепции, например пространственное присутствие в различных положениях, чьи активации просто коррелируют с движением. Для решения этой проблемы мы внедряем тест "No-False-Positives" (NFS) - статистический тест с официальной гарантией статистической специфичности для идентификации параметров, кодирующих временные концепции. Используя специально разработанные стимулы, мы применяем этот тест к представлениям VideoMAE, V-JEPA2 и TimeSformer. Сначала мы проверяем результаты теста, показав отсутствие временных характеристик для ДИНОВ2-прибора. Затем, используя пространство синтетического представления, мы показываем th