본 논문은 합성곱 신경망(CNN)의 개념 기반 설명 가능성을 향상시키는 새로운 방법인 TraNCE(Transformative Nonlinear Concept Explainer)를 제안합니다. 기존 방법들의 선형 재구성 가정의 한계를 극복하고, 활성화 간의 복잡한 관계를 포착하는 데 중점을 둡니다. TraNCE는 변분 오토인코더(VAE) 기반의 자동 개념 발견 메커니즘, 베셀 함수를 활용한 시각화 모듈, 그리고 일관성과 충실도를 통합한 새로운 평가 지표인 Faith 점수를 제시합니다. 이를 통해 CNN이 무엇을 보았는지 뿐 아니라 무엇을 피했는지까지 보여주고, 개념 중복 문제를 완화하며 더욱 포괄적인 설명 가능성을 제공합니다.
