コンピュータビジョンモデルの予測に影響した画像領域を可視化する、クラス活性化マップ(CAM)手法を実装したPyTorchライブラリです。
understandable-machine-intelligence-lab/Quantus
PyTorchとTensorFlowに対応し、30種類以上のXAI指標でニューラルネットワークの説明を定量評価できるオープンソースのPythonツールキット。
- スター
- 680
- フォーク
- 94
- 未解決の Issue
- 66
- 最終コミット
- 11 日前
これは何?
Quantusは、ニューラルネットワーク向けの説明可能なAI(XAI)手法が生成する説明を評価するためのツールキットです。サリエンシーマップを目で比較するだけでは、どの手法が最も優れているか判断しにくく、正解データも通常は入手できません。そこでQuantusは、説明手法同士を比較するための定量指標を提供します。
指標は、忠実度、頑健性、局所性、複雑性、ランダム化(感度)、公理的性質の6カテゴリに分類されています。画像、表形式、時系列データに対応し、PyTorchまたはTensorFlowで構築されたモデルを利用できます。事前計算済みのアトリビューション、または説明関数を渡すことができ、quantus.evaluate()を1回呼び出すだけで、複数のXAI手法に対して複数の指標を実行できます。
Captum、Zennit、tf-explainの説明手法をそのまま利用できます。PyPIからインストールでき、Journal of Machine Learning Research(MLOSSトラック)で発表されています。
主な機能
- 01忠実度、頑健性、局所性など6カテゴリにわたる30種類以上の評価指標を提供。
- 02PyTorchおよびTensorFlowのモデルに対応。
- 03画像、表形式、時系列データに対応。
- 04事前計算済みのアトリビューション、または任意の説明関数を受け付けます。
- 05quantus.evaluate()を使って、複数のXAI手法に対する多数の指標を一度に実行できます。
- 06Captum、Zennit、tf-explainと連携します。
ユースケース
- 学習済み画像分類器に最適な説明手法をベンチマークする。
- 小さな入力摂動を加えても説明が安定しているか確認する。
- 研究パイプラインで、表形式データのモデルに対する説明の品質を比較する。
- 公表済みのXAI評価指標を、一貫した実装で再現する。
使う前に知っておきたいこと
- ライセンスが明確に特定されておらず(NOASSERTION と記載)、使用前にリポジトリのライセンス条件を確認してください。
- README にはプロジェクトが活発に開発中と記載されています。結果を再現可能にするため、特定のリリースバージョンを固定してください。
トピック
よくある質問
- Quantus とは?
- PyTorchとTensorFlowに対応し、30種類以上のXAI指標でニューラルネットワークの説明を定量評価できるオープンソースのPythonツールキット。 Quantusは、ニューラルネットワーク向けの説明可能なAI(XAI)手法が生成する説明を評価するためのツールキットです。サリエンシーマップを目で比較するだけでは、どの手法が最も優れているか判断しにくく、正解データも通常は入手できません。そこでQuantusは、説明手法同士を比較するための定量指標を提供します。
- Quantus は無料で使えますか?ライセンスは?
- Quantus は Other ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- Quantus は今もメンテナンスされていますか?
- 活発にメンテナンス中。Quantus の最終コミットは 2026年10月26日 です。
- Quantus は何に使えますか?
- 学習済み画像分類器に最適な説明手法をベンチマークする。 小さな入力摂動を加えても説明が安定しているか確認する。 研究パイプラインで、表形式データのモデルに対する説明の品質を比較する。 公表済みのXAI評価指標を、一貫した実装で再現する。
- Quantus はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/understandable-machine-intelligence-lab/Quantus
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
モデルの予測を左右する入力特徴、ニューロン、学習データのサンプルを説明する、PyTorch向けモデル解釈ライブラリです。
PyTorch Lightningを基盤に、アノテーション付きテンソル、介入、確率的グラフィカルモデルを使って、概念ベースの解釈可能な深層学習モデルを構築するライブラリ。
MLモデルのエラーパターン、公平性、解釈可能性、因果効果の評価とデバッグに使える、PythonライブラリとWeb UIのツール群です。
Keras 3は、JAX、TensorFlow、PyTorch、または推論向けのOpenVINOで動作する深層学習フレームワークです。
ONNX、TensorFlow、PyTorch、Core MLなど、多くの形式に対応したニューラルネットワーク、ディープラーニング、機械学習モデルのビューア。