본 논문은 비전-언어 사전 훈련(VLP)에서 발생하는 '거짓 부정' 문제 해결을 위한 새로운 학습 전략인 FALCON(False-negative Aware Learning of COntrastive Negatives)을 제안한다. FALCON은 학습 기반의 미니 배치 구성 전략으로, 하드 네거티브 샘플링의 효과를 감소시키는 거짓 부정의 영향을 완화하고, 이미지와 텍스트 간의 상호 작용을 개선한다. FALCON은 고정된 휴리스틱에 의존하지 않고, 크로스 모달 정렬 개선을 위한 프록시에 의해 안내되는 네거티브 마이닝 스케줄러를 사용하여 각 앵커 인스턴스에 적합한 난이도의 네거티브 샘플을 동적으로 선택한다. 실험 결과는 FALCON이 ALBEF, BLIP-2, SigLIP-2 등 세 가지 VLP 프레임워크와 다양한 다운스트림 작업에서 성능을 크게 향상시킴을 보여준다.
