본 논문은 2023년부터 2025년까지 발표된 260편 이상의 논문을 분석하여 구성적인 시각적 추론(Compositional Visual Reasoning) 분야를 종합적으로 조망한 설문 조사 논문입니다. 구성적인 시각적 추론이란, 인간처럼 시각적 장면을 분해하고 중간 개념을 기반으로 다단계 논리적 추론을 수행하는 능력을 기계에 부여하는 것을 목표로 합니다. 논문에서는 구성적 접근 방식의 장점(인지적 정렬, 의미적 충실도, 강건성, 해석력, 데이터 효율성)을 정의하고, 프롬프트 기반 언어 중심 파이프라인에서 도구 기반 LLM 및 VLM, 사고 연쇄 추론, 통합 에이전트 VLM에 이르는 5단계의 패러다임 변화를 추적합니다. 또한 60개 이상의 벤치마크와 지표를 제시하고, 주요 통찰력, 미해결 과제(LLM 기반 추론의 한계, 환각, 연역적 추론에 대한 편향, 확장 가능한 감독, 도구 통합, 벤치마크 한계 등) 및 미래 방향(세계 모델 통합, 인간-AI 협력적 추론, 더욱 풍부한 평가 프로토콜 등)을 제시합니다.
