본 논문에서는 고차원 이미지와 같은 복잡한 입력에 대한 해석 가능하고 비선형적인 분류를 위해, 증명자-검증자 게임(PVGs)과 개념 병목 모델(CBMs)을 통합한 새로운 프레임워크인 신경 개념 검증자(NCV)를 제시합니다. NCV는 최소한의 지도 학습 개념 발견 모델을 활용하여 원시 입력으로부터 구조화된 개념 인코딩을 추출하고, 증명자는 이러한 인코딩의 하위 집합을 선택하며, 검증자(비선형 예측기)는 이를 독점적으로 사용하여 의사 결정을 내립니다. 고차원적이고 논리적으로 복잡한 데이터셋에서 NCV가 CBM 및 픽셀 기반 PVG 분류기 기준 모델보다 우수한 성능을 보이며 지름길 행동을 완화하는 데에도 도움이 된다는 것을 실험을 통해 보여줍니다.
