본 논문에서는 정보 병목 원리를 기반으로 한 하이브리드 설명 가능성 접근법인 InfoDisent를 제시합니다. InfoDisent는 사전 훈련된 모델의 최종 계층에서 정보를 원자적 개념(원형 부분으로 해석 가능)으로 분리합니다. 이 접근법은 사후적 방법의 유연성과 ProtoPNets와 같은 자체 설명 가능한 신경망의 개념 수준 모델링 기능을 결합합니다. ViTs 및 합성곱 신경망과 같은 최신 백본을 사용하여 다양한 데이터 세트에 대한 계산 실험 및 사용자 연구를 통해 InfoDisent의 효과를 보여줍니다. 특히 InfoDisent는 원형 부분 접근 방식을 새로운 도메인(ImageNet)으로 일반화합니다.
