연구진은 설명 가능성이 중요한 고위험 시각적 애플리케이션에 널리 사용되는 딥 뉴럴 네트워크의 해석 가능성 문제를 해결하기 위해 Language-Anchored Decomposition (LAD) 프레임워크를 제안했어요.
LAD는 기존 방식의 한계를 극복하여 모델을 수정하지 않고도 명명되고, 충실하며, 동시에 의미 있는 개념을 제공하며, 대규모 언어 모델을 활용해 이미지 영역에 걸쳐 개념 어휘를 제안해요.
자연 이미지, 장면, 의료 영상 벤치마크에서 LAD는 개념 삽입 및 삭제 모두에서 의사 결정과 관련된 공간적으로 정확한 설명을 제공하며, 인간이 해석할 수 있는 안정적인 개념 이름을 제공해요.