SpaceEditing：将人类知识整合到深度神经网络的潜在空间编辑界面

以人为中心的人工智能旨在弥合机器决策与人类理解之间的差距。然而，即使在深度神经网络已取得卓越性能的分类任务中，目前也鲜有方法能将人类与人工智能很好地连接起来，尤其是在领域特定任务上。本文提出SpaceEditing，这是一种二维空间布局工具，使用户能够与深度神经网络的潜在空间进行交互。在交互过程中，工具的算法自动将用户移动和反馈处理到网络中，以从用户修改的信息中学习。我们通过三个案例研究评估SpaceEditing：1）考古研究人员使用青铜数据集；2）深度学习研究人员使用垃圾图像分类数据集；3）六位深度学习初学者使用头部姿态数据集。实验结果表明，我们工具在整合人类知识和提升网络性能方面是有效的。