Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Mixture of Decoding: An Attention-Inspired Adaptive Decoding Strategy to Mitigate Hallucinations in Large Vision-Language Models

Created by
  • Haebom

저자

Xinlong Chen, Yuanxing Zhang, Qiang Liu, Junfei Wu, Fuzheng Zhang, Tieniu Tan

개요

대규모 비전-언어 모델(LVLMs)은 다양한 시각적 작업에서 인상적인 성능을 보여주지만, 환각(hallucination) 문제로 인해 여전히 제약을 받고 있습니다. 본 논문은 모델의 이미지 토큰에 대한 어텐션의 정확성을 평가하여 디코딩 전략을 동적으로 조정하는 새로운 방법인 혼합 디코딩(MoD)을 제안합니다. MoD는 원본 이미지 토큰과 모델이 주목한 이미지 토큰에서 생성된 출력 간의 일관성을 측정하여 어텐션의 정확성을 구분합니다. 출력이 일관성이 있으면(정확한 어텐션) 중요한 정보를 증폭하는 상보적 전략을 사용하고, 일관성이 없으면(잘못된 어텐션) 오해의 소지를 줄이는 대조적 전략을 사용합니다. 광범위한 실험을 통해 MoD가 여러 주요 벤치마크에서 기존 디코딩 방법보다 훨씬 우수한 성능을 보이며 LVLMs의 환각 문제를 효과적으로 완화함을 보여줍니다. 코드는 https://github.com/xlchen0205/MoD 에서 이용 가능합니다.

시사점, 한계점

•
시사점:
◦
LVLMs의 환각 문제를 효과적으로 완화하는 새로운 디코딩 방법인 MoD 제안.
◦
기존 방법보다 여러 벤치마크에서 성능 향상을 보임.
◦
어텐션 메커니즘의 정확성을 평가하여 동적으로 디코딩 전략을 조정하는 새로운 접근 방식 제시.
◦
공개된 코드를 통해 재현성 및 확장성 확보.
•
한계점:
◦
제안된 방법의 일반화 성능에 대한 추가적인 연구 필요.
◦
다양한 종류의 환각에 대한 MoD의 로버스트니스(robustness)에 대한 추가 평가 필요.
◦
특정 유형의 이미지나 작업에 대한 편향성 존재 가능성.
👍
Made with Slashpage