ConEx：基于概念感知归因的人类可解释显著性图

ConEx 提出一种结合显著性可视化与概念推理的视觉解释框架，通过架构特定的掩码机制无监督学习类别专属的概念激活向量（CAVs），自动发现概念并生成忠实于模型的显著性图。论文同时提出 VCM 与 CCM 两个互补指标，用于量化概念对齐并与现有方法直接比较。实验显示 ConEx 在忠实度、分割和概念质量基准上达到 SOTA。