본 논문은 고차원 개념을 학습하는 해석 가능한 예측 모델의 시각화 및 이해에 대한 어려움을 해결하기 위해, 사전 훈련된 생성 모델의 잠재 공간에 개념 특징을 매핑하는 새로운 방법을 제안합니다. 이 방법은 생성 모델을 활용하여 고품질 시각화를 가능하게 하고, 개념 활성화를 추정하고 생성된 수정 사항을 시각화함으로써 학습된 개념을 더 잘 해석할 수 있는 직관적이고 대화형 절차를 제공합니다. 또한, 사전 훈련된 생성 모델을 활용함으로써 시스템 훈련의 효율성을 높일 수 있습니다. 논문에서는 해석 가능한 예측 네트워크의 정확도, 재구성의 충실도, 학습된 개념의 신뢰성 및 일관성 측면에서 제안된 방법의 효과를 정량적으로 평가하고, 대규모 이미지에 대한 여러 이미지 인식 벤치마크에서 실험을 수행합니다.
