본 논문은 고성능과 해석 가능성을 동시에 달성하는 AI 모델 개발의 어려움을 해결하기 위해 객체 중심 개념 병목(Object-Centric Concept Bottlenecks, OCB) 프레임워크를 제안합니다. 기존의 개념 기반 모델(CBMs)은 전역적 인코딩에 의존하여 객체 중심의 복잡한 시각적 과제 해결에 한계가 있었으나, OCB는 사전 훈련된 객체 중심 기반 모델의 장점을 결합하여 성능과 해석 가능성을 향상시킵니다. 다양한 객체-개념 인코딩 집계 전략을 통해 복잡한 이미지 데이터셋에서 OCB의 성능을 평가하고 기존 CBM을 능가하는 결과를 보여줍니다.
