OpenCoF: Learning to Reason Through Video Generation
μμ±μ
- Haebom
μΉ΄ν
κ³ λ¦¬
Empty
μ μ
Xinyan Chen, Ziyu Guo, Renrui Zhang, Dongzhi Jiang, Hongsheng Li
π‘ κ°μ
λ³Έ μ°κ΅¬λ μμ μμ±μ ν΅ν΄ μΆλ‘ λ₯λ ₯μ νμ΅νλ μλ‘μ΄ μ κ·Ό λ°©μμΈ OpenCoFλ₯Ό μ μν©λλ€. κΈ°μ‘΄μ CoT(Chain-of-Thought)μ λ¬λ¦¬, μκ³μ΄μ μΌλ‘ μ°κ²°λ νλ μμ ν΅ν΄ μΆλ‘ μ μ κ°νλ CoF(Chain-of-Frame) λ°©μμ νμ©νλ©°, μ΄λ₯Ό μν΄ 11κ° νμ€ν¬λ₯Ό μμ°λ₯΄λ 17,000κ°μ μμμΌλ‘ ꡬμ±λ OpenCoF-17K λ°μ΄ν°μ
μ ꡬμΆνμ΅λλ€. μ μλ νλ μμν¬λ λ€μν μκ³μ΄μ κ°λ
μ ν΅ν΄ CoF λ₯λ ₯μ ν₯μμν€λ©°, μκ° λ° ν
μ€νΈ μΆλ‘ ν ν°μ λμ
νμ¬ κ³΅κ°μ , μκ°μ μΆλ‘ μ μν λͺ
μμ μΈ λ©μ»€λμ¦μ νꡬν©λλ€.
π μμ¬μ λ° νκ³
β’
μμ μμ±μ ν΅ν΄ μκ°μ μ°μμ±μ νμ©ν μΆλ‘ (CoF) λ₯λ ₯μ νμ΅ν μ μμ΅λλ€.
β’
CoF μΆλ‘ λ₯λ ₯μ ν₯μμν€κΈ° μν΄ νλΆν μκ³μ΄μ κ°λ
κ³Ό λλΆμ΄ μκ° λ° ν
μ€νΈ μΆλ‘ ν ν°μ νμ©νλ κ²μ΄ ν¨κ³Όμ μ
λλ€.
β’
λ³Έ μ°κ΅¬μμ μ μλ λ°μ΄ν°μ
, λͺ¨λΈ λ° μ½λλ ν₯ν μΆλ‘ μ€μ¬μ μμ μμ± μ°κ΅¬λ₯Ό μ΄μ§ν κ²μ
λλ€.
β’
λ λμ λ²μμ λΉλμ€ μΆλ‘ λ²€μΉλ§ν¬μμ μΌλ°ν μ±λ₯μ ν₯μμν€κ³ , λ€μν μ’
λ₯μ 볡μ‘ν μΆλ‘ μ μ²λ¦¬νκΈ° μν μΆκ°μ μΈ μ°κ΅¬κ° νμν©λλ€.
