该文综述多种可解释视觉模型：ProtoTree结合原型学习与决策树；VT-CNN嵌入混淆语义提升分类；多阶段Vision Transformer用于细粒度分类；卷积二叉神经树、MPViT、Semi-ViT、CF-ViT分别改进细粒度识别、多尺度特征与计算效率；Conviformer用于植物图像分类。