T
Transformer-MM-Explainability
hila-chefer/Transformer-MM-Explainability
[ICCV 2021 - 口头报告] 通用注意力模型可解释性用于解释双模态和编码器-解码器 Transformer 的官方 PyTorch 实现，一种可视化任何基于 Transformer 网络的新方法。包括 DETR、VQA 的示例
★912stars
Jupyter Notebook
MIT
更新: 6天前
📋 项目速览
点击展开
这是什么？用Jupyter Notebook构建、打造开源安全与治理项目，专注clip和detr方向
作者是谁？由 hila-chefer 团队维护，GitHub 912⭐，在 安全与治理 分类 413 个项目中排名第 137
为什么诞生？clip在安全与治理中的需求持续增长，hila-chefer发现现有方案不够直观，于是创造了Transformer-MM-Explainability来降低detr使用门槛。
能干什么？核心场景：explainability、explainable-ai、interpretability
怎么用 AI 安装？推荐使用 AI 编码助手根据 GitHub README 自动完成安装配置和环境搭建。
🔗 github.com/hila-chefer/Transformer-MM-Explainability
🔗 github.com/hila-chefer/Transformer-MM-Explainability
标签
clipdetrexplainabilityexplainable-aiinterpretabilitylxmerttransformertransformersvisualbertvisualizationvqa