본 논문은 고성능과 해석 가능성을 동시에 달성하는 모델 개발이라는 현대 AI의 주요 과제를 해결하기 위해 객체 중심 개념 병목(Object-Centric Concept Bottlenecks, OCB) 프레임워크를 제안합니다. 기존의 개념 기반 모델(CBMs)은 전역적 이미지 인코딩에 의존하여 복잡한 시각적 과제 해결에 어려움을 겪는다는 한계를 가지는데, OCB는 사전 훈련된 객체 중심 기반 모델의 장점을 결합하여 이러한 문제를 해결합니다. OCB는 객체의 개념 인코딩을 집계하는 전략 등 주요 구성 요소에 대한 분석을 포함한 종합적인 실험을 통해 복잡한 이미지 데이터셋에서 기존 CBM보다 우수한 성능과 해석 가능성을 보여줍니다.