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.

Context-Adaptive Multi-Prompt LLM Embedding for Vision-Language Alignment

Created by
  • Haebom

저자

Dahun Kim, Anelia Angelova

개요

본 논문은 시각-언어 대조 학습에서 의미 표현을 풍부하게 하기 위한 새로운 방법인 Context-Adaptive Multi-Prompt Embedding을 제안합니다. 기존의 단일 텍스트 임베딩에 의존하는 CLIP 스타일 모델과 달리, 입력 텍스트의 다양한 의미적 측면을 포착하는 고유한 적응형 토큰을 포함하는 여러 개의 구조화된 프롬프트를 도입합니다. 모든 프롬프트를 단일 전방 패스에서 공동으로 처리하고, 결과 프롬프트 임베딩을 통합된 텍스트 표현으로 결합하여 시각적 특징과의 의미적으로 더 풍부한 정렬을 가능하게 합니다. 의미적 다양성과 표현 품질을 더욱 향상시키기 위해 다양성 규제 손실과 부정 인식 손실을 통합하여 프롬프트 간의 전문화를 장려하고 대조적 차별을 개선합니다. 제안된 방법은 이미지-텍스트 및 비디오-텍스트 검색 벤치마크에서 일관된 성능 향상을 달성합니다.

시사점, 한계점

시사점:
다중 프롬프트를 활용하여 시각-언어 대조 학습에서 의미 표현의 풍부함을 향상시켰습니다.
적응형 토큰을 통해 입력 텍스트의 다양한 의미적 측면을 효과적으로 포착합니다.
다양성 규제 손실과 부정 인식 손실을 통해 모델 성능을 향상시켰습니다.
이미지-텍스트 및 비디오-텍스트 검색 작업에서 성능 향상을 보였습니다.
한계점:
제안된 방법의 계산 비용이 기존 방법보다 높을 수 있습니다.
다양한 유형의 데이터셋에 대한 일반화 성능에 대한 추가적인 연구가 필요합니다.
최적의 프롬프트 수와 구조를 결정하는 방법에 대한 추가적인 연구가 필요합니다.
👍