事前学習したモデルの視覚表現は下流タスクにおける分類性を重視していますが、これらのモデルは解釈可能性に関する新たな要求も引き起こしています。本研究では、事前学習した表現が高い解釈可能性と分類性を同時に達成できるかどうかを検討しています。凖解釈可能性スコア（IIS）を提案し、情報損失を評価し、解釈可能なセマンティクスの割合を測定します。評価の結果、解釈可能性と分類性には正の相関関係があることが判明し、分類性の高い表現はより多くの解釈可能なセマンティクスを提供します。この関係性から、分類性の向上は解釈可能性も向上させる可能性があることが示唆されています。実践者は、事前学習した視覚モデルにおいて、解釈可能性と分類性の改善を統合できることが分かりました。