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.

Fine-Grained Knowledge Structuring and Retrieval for Visual Question Answering

Created by
  • Haebom

저자

Zhengxuan Zhang, Yin Wu, Yuyu Luo, Nan Tang

개요

본 논문은 최첨단 다중 모달 대형 언어 모델(MLLM)이 시각 질문 응답(VQA) 과제에서 도메인 특정 지식이나 최신 지식에 접근하는 데 어려움을 겪는 문제를 해결하기 위해, 외부 지식 기반(KB)을 활용하는 검색 증강 생성(RAG) 기반의 KB-VQA 접근 방식을 제시합니다. 기존의 단일 모달 검색 기법이 이미지 정보 손실 문제를 야기하는 점을 개선하고자, 텍스트 조각, 개체 이미지 등 다양한 형태의 다중 모달 데이터 조각으로 구성된 세분화된 지식 단위(fine-grained knowledge units)를 구조적으로 구성하고, 이를 MLLM과 통합하는 지식 단위 검색 증강 생성 프레임워크(KU-RAG)를 제안합니다. KU-RAG는 관련 지식의 정확한 검색을 보장하고, 지식 수정 체인을 통해 추론 능력을 향상시킵니다. 실험 결과, 제안된 방법은 네 가지 벤치마크에서 기존 KB-VQA 방법보다 평균 3%, 최대 11% 향상된 성능을 보였습니다.

시사점, 한계점

시사점:
세분화된 지식 단위의 구조적 구성 및 관리를 통한 효과적인 지식 검색 및 활용 방안 제시
KU-RAG 프레임워크를 통해 MLLM의 VQA 성능 향상 및 추론 능력 강화
다양한 벤치마크에서 기존 방법 대비 성능 우수성 검증
한계점:
제안된 프레임워크의 확장성 및 일반화 성능에 대한 추가 연구 필요
특정 도메인에 편향된 지식 기반의 활용으로 인한 일반화 성능 저하 가능성
지식 수정 체인의 복잡성 및 계산 비용 증가 문제
👍