본 논문은 두 개의 심층 신경망이 결정에 도달하는 방식의 차이를 측정하는 해석 가능한 표상 유사성 방법(RSVC)을 제시합니다. 기존 방법들이 단일 숫자로 두 네트워크의 유사성을 측정하는 것과 달리, RSVC는 두 모델 간 공유 및 고유한 시각적 개념을 발견하여 유사점과 차이점에 대한 통찰력을 제공합니다. 다양한 비전 모델 아키텍처와 훈련 프로토콜에 대한 광범위한 평가를 통해 RSVC의 효과성을 입증합니다. 특히, 모델 차이의 일부는 한 모델에서 발견되지만 다른 모델에서는 잘 표현되지 않는 고유한 개념에 기인할 수 있음을 보여줍니다.
