연구진은 모델의 행동을 유지하는 데 충분한 이미지 영역을 식별하는 살리언시 맵을 소개했어요. SEAMS는 보존 목표를 직접 최적화하는 소프트 마스크를 사용하는 충분성 기반 살리언시 방법이에요. 이 방법은 보존된 목표만으로 간단한 최적화 프레임워크를 기반으로 하며, 추가적인 데이터셋이나 아키텍처별 메커니즘이 필요 없어요.
SEAMS는 ViT-S/16 및 ConvNeXt 모델에서 실험하여 객체 수준, 클래스 조건부, 토큰 수준 설명을 생성하며, 다양한 아키텍처가 유사한 보존 충실도를 달성하면서도 서로 다른 충분한 증거에 의존한다는 점을 보여줬어요.
결과적으로 생성된 마스크는 압축적이고, 해석 가능하며, 무작위 초기화에 안정적이며, 삽입 및 삭제 벤치마크에서 경쟁력을 보여줬어요.