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

본 논문은 대규모 비전-언어 모델(LVLMs)의 환각 문제를 해결하기 위해 새로운 디코딩 방법인 혼합 디코딩(MoD)을 제안합니다. MoD는 모델의 이미지 토큰에 대한 어텐션의 정확성을 평가하여 디코딩 전략을 동적으로 조절합니다. 원본 이미지 토큰과 모델이 주목한 이미지 토큰으로부터 생성된 출력의 일관성을 측정하여 어텐션의 정확성을 판단합니다. 출력이 일관성이 있으면 중요 정보를 증폭하고, 일관성이 없으면 잘못된 정보를 억제하는 전략을 사용합니다. 다양한 벤치마크에서 기존 디코딩 방법보다 성능이 우수함을 실험적으로 입증하였으며, 코드는 공개되어 있습니다.

시사점, 한계점

시사점:
LVLMs의 환각 문제 완화에 효과적인 새로운 디코딩 방법(MoD) 제시
이미지 토큰에 대한 어텐션의 정확성 평가를 통한 동적 디코딩 전략 조절
다양한 벤치마크에서 기존 방법 대비 성능 향상 확인
코드 공개를 통한 재현성 및 확장성 확보
한계점:
제안된 방법의 일반화 성능에 대한 추가적인 검증 필요
다양한 LVLMs 및 task에 대한 적용성 평가 필요
환각의 정의 및 측정 방법에 대한 세밀한 논의 부족 (추가 연구 필요)
👍