본 논문은 개념 활성 벡터(CAVs)를 이용하여 신경망의 잠재 공간 내에서 인간이 이해할 수 있는 개념을 벡터로 모델링하는 방법의 한계점을 해결하고자 제안되었다. 기존 CAVs는 상관된 개념들에 대해 유사하고 직교하지 않는 방향 벡터를 생성하는 문제가 있는데, 이는 개념의 독립적인 해석을 어렵게 하고 응용에 부정적인 영향을 미친다. 본 논문에서는 직교성 손실 함수를 활용하여, 방향의 정확성을 유지하면서 직교하는 개념 방향 벡터를 찾는 사후 개념 분리 방법을 제시한다. CelebA 및 합성 FunnyBirds 데이터셋과 VGG16, ResNet18 아키텍처를 사용하여 실험을 진행하고, 제안된 방법의 우수성을 입증한다. 특히, 생성 모델을 통한 개념의 추가 및 제거 작업에서 기존 CAVs보다 향상된 성능을 보임을 보여준다.
