本文提出了一种多层次概念发现框架，结合深度学习和图像-文本模型，提升决策过程的可解释性。通过层次树结构，用户可以探索新概念并生成视觉创意。同时，研究展示了基于文本监督的语义分割方法，利用图像-文本对实现视觉与文本的对齐，显著提高了分割效果。