SketchXplain：以草圖直觀說明影像分類器
arXiv - Human-Computer InteractionWencan Zhang, Mario Michelessa, Xuejun Zhao, Brian Y. Lim
SketchXplain 透過草圖生成直觀、簡潔且符合用戶知識的影像分類器解釋，顯著提升解釋速度與準確度。
AI 幫你先抓重點
AI 重點 1
草圖解釋能以使用者熟悉的視覺語言橋接 AI 解釋與人類直覺之間的鴻溝。
滑鼠懸停看 AI 判斷理由
草圖以簡單符號與抽象形狀呈現，降低認知負荷，讓使用者能快速捕捉關鍵資訊，進而提升決策效率與信任度。
AI 重點 2
將 saliency、概念瓶頸與草圖優化結合，可產生既準確又易於理解的解釋圖像。
滑鼠懸停看 AI 判斷理由
此結合方法確保解釋不僅反映模型內部機制，亦符合使用者知識結構，避免過度複雜或模糊的視覺提示，從而加速解釋流程。
核心研究發現
- 1
在臉部表情辨識實驗中，SketchXplain 的草圖解釋比傳統 saliency map 更快且更符合使用者直覺。
- 2
在皮膚病變診斷案例中，SketchXplain 能更清晰地呈現疾病症狀，協助非專業使用者進行初步診斷。
- 3
系統結合 saliency、概念瓶頸模型與草圖優化，能自動選取關鍵觀察物件並以抽象方式呈現。
對教育工作者的啟發
教育科技開發者可將 SketchXplain 的草圖解釋嵌入教學平台，讓學生在學習 AI 影像辨識時，透過直觀圖形快速理解模型決策。此方法亦適用於醫療教育，協助學生掌握病徵辨識流程。實務上，開發者可先選擇關鍵概念，利用 SketchXplain 生成草圖，並在課程中加入互動式解釋練習，提升學習者的 SRL 能力與對 AI 系統的信任。
原始文獻資訊
- 英文標題：
- SketchXplain: Intuitive Visual Explanations of Image Classifiers with Sketches
- 作者：
- Wencan Zhang, Mario Michelessa, Xuejun Zhao, Brian Y. Lim
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。