본 논문은 합성곱 신경망(CNN)의 동작을 설명하는 데 널리 사용되는 주목도 방법의 한 종류인 클래스 활성화 매핑(CAM)에 대한 연구입니다. 기존 CAM 방법들은 히트맵 생성 방식에 내재된 특성(예: 정답과의 유사성, 견고성, 등변성)을 가지지만, 사용자의 의도나 도메인 지식에 따른 히트맵 생성의 가변성을 허용하지 않는다는 한계를 지닙니다. 본 논문에서는 이러한 한계를 해결하기 위해, 사용자가 정의한 주목도 맵 평가 지표를 기반으로 CAM 표현식을 자동으로 생성하는 계량 기반 접근 방식인 SyCAM을 제시합니다. 특히, 사전 정의된 구문 제약 조건과 주어진 지표를 기반으로 CAM 표현식을 도출하는 구문 안내 합성을 SyCAM에 적용합니다. 여러 기존 평가 지표를 사용하여, 목표 지향적인 히트맵 생성에 있어 SyCAM의 효율성과 유연성을 입증하고, ResNet50, VGG16, VGG19 세 가지 주요 모델에서 기존 CAM 방법들과 비교 분석합니다.
