개념 주석의 부담
기존 개념 병목 모델은 미리 정한 개념마다 레이블 자료가 필요할 수 있다. 이 연구는 이런 수집 부담과 복잡한 자료에서의 정확도 저하를 함께 다루려 했다.
개념 집합의 구성
사전 학습한 언어 모델로 초기 개념 집합을 만들고 불필요한 개념을 걸러내는 절차를 제안했다. 사람에게 모든 개념을 직접 정의하고 표시하도록 요구하는 방식을 줄이려는 구성이다.
특징에서 개념으로
기반 신경망의 임베딩과 학습 자료의 개념 행렬을 계산한다. 투영 가중치로 개념 병목 층을 만들고 희소한 최종 층을 학습해 예측한다.
규모와 설명의 평가
ImageNet 규모의 개념 병목 모델을 포함해 정확도와 구성 효율을 평가했다. 개념 뉴런과 개별 판단 설명에 관한 사람 대상 평가도 수행했다.
관련 문서
개념 병목 모델 / ProtoTree / TCAV / ACE 개념 설명 / ProtoPNet / CLIP-ES