大图中心青年教师薛梦琦博士的论文被人工智能国际顶级会议IJCAI2024录用，论文研究了原型部件网络（ProtoPNet）在使用视觉Transformer作为主干模型时出现的“关注分心”问题，即使用Transformer作为主干模型时原型过度关注背景位置而并非前景对象的问题，这会破坏ProtoPNet固有的自解释性。该论文提出了用于可解释图像识别的原型部件变换器（ProtoPFormer）。基于视觉Transformer的架构特征，通过创建单独的全局和局部分支来修改原始ProtoPNet，每个分支相应的原型可以捕捉和突出具有代表性的整体和局部特征，有效抑制背景影响，两个分支相互纠正，共同做出最终的模型决策。大量实验表明， ProtoPFormer可以在准确性、可视化结果和定量可解释性评估方面始终如一地实现卓越的性能。

 ProtoPNet整体架构图

IJCAI会议始于1969年，是国际人工智能领域研究内容最为全面、最具影响力的顶级学术会议之一，会议内容涵盖了人工智能理论与架构、机器学习、自然语言处理、计算机视觉、机器人科学等领域，会议论文基本代表人工智能领域最新研究进展和最高研究水平。