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.

Evaluating Menu OCR and Translation: A Benchmark for Aligning Human and Automated Evaluations in Large Vision-Language Models

Created by
  • Haebom

저자

Zhanglin Wu, Tengfei Song, Ning Xie, Mengli Zhu, Weidong Zhang, Shuang Wu, Pengfei Li, Chong Li, Junhao Zhu, Hao Yang, Shiliang Sun

개요

본 논문은 복잡한 레이아웃을 가진 장문 텍스트 이해 능력 평가의 중요성을 강조하며, 메뉴 번역에 초점을 맞춘 새로운 평가 프레임워크인 MOTBench를 제안합니다. MOTBench는 중국어와 영어 메뉴 이미지를 사용하여 LVLMs(대규모 비전-언어 모델)의 문자 인식, 번역 정확도, 그리고 요리 이름, 가격, 단위 등의 정보 추출 능력을 종합적으로 평가합니다. 다양한 글꼴, 문화적 요소, 복잡한 레이아웃을 가진 메뉴 데이터와 정확한 수동 주석을 제공하며, 다수의 최첨단 LVLMs를 평가하여 성능의 강점과 약점을 분석하고 향후 LVLMs 개발 방향을 제시합니다. 기존의 OCRBench와 같은 단순 레이아웃의 단/장문 텍스트 평가를 넘어, 복잡한 레이아웃의 장문 텍스트 이해 능력을 평가하는 데 중점을 둡니다.

시사점, 한계점

•
시사점:
◦
복잡한 레이아웃을 가진 장문 텍스트 이해 능력 평가의 중요성을 부각하고, 이를 위한 새로운 벤치마크 MOTBench를 제시.
◦
메뉴 번역이라는 실제 응용 사례에 초점을 맞춰 LVLMs의 실용적인 성능을 평가.
◦
다국어(중국어, 영어) 및 다양한 레이아웃, 글꼴, 문화적 요소를 포함한 데이터셋 제공.
◦
자동 평가 결과와 전문가 수동 평가 결과의 높은 일치성을 보여줌.
◦
최첨단 LVLMs의 성능 분석을 통해 향후 모델 개발 방향 제시.
◦
공개된 GitHub 저장소를 통해 접근성을 높임.
•
한계점:
◦
현재 중국어와 영어 메뉴에만 집중되어 있어, 다른 언어나 유형의 문서로 확장성이 제한될 수 있음.
◦
메뉴라는 특정 도메인에 국한된 평가이므로, 다른 도메인으로의 일반화 성능은 추가 연구가 필요함.
◦
평가 데이터셋의 규모가 제한적일 수 있으며, 더욱 다양하고 방대한 데이터셋이 필요할 수 있음.
👍
Made with Slashpage