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.

Concept-as-Tree: A Controllable Synthetic Data Framework Makes Stronger Personalized VLMs

Created by
  • Haebom
Category
Empty

저자

Ruichuan An, Kai Zeng, Ming Lu, Sihan Yang, Renrui Zhang, Huitong Ji, Hao Liang, Wentao Zhang

개요

Vision-Language Models (VLMs)의 개인화 능력을 향상시키기 위해, 사용자 제공 개념을 통합하는 방법을 연구하고, 긍정 및 부정 샘플의 양과 다양성이 모델 성능에 미치는 영향을 분석합니다. 긍정 샘플 부족과 부정 샘플의 낮은 품질 문제를 해결하기 위해, 개념을 트리 구조로 표현하는 Concept-as-Tree (CaT)를 제안합니다. CaT는 다양한 난이도와 다양성을 가진 긍정 및 부정 샘플 생성을 가능하게 하며, 데이터 필터링 전략을 통해 생성된 데이터의 품질을 보장합니다. 제안된 파이프라인은 VLM 개인화 벤치마크에서 기존 방법들을 능가하는 성능을 보였습니다.

시사점, 한계점

•
시사점:
◦
VLM 개인화를 위한 제어 가능한 합성 데이터 파이프라인을 최초로 제안했습니다.
◦
긍정 및 부정 샘플의 양과 다양성이 VLM 성능에 미치는 영향을 체계적으로 분석했습니다.
◦
개념을 트리 구조로 표현하여 데이터 생성의 효율성을 높였습니다.
◦
데이터 필터링 전략을 통해 생성 데이터의 품질을 향상시켰습니다.
◦
VLM 개인화 벤치마크에서 기존 방법보다 뛰어난 성능을 입증했습니다.
•
한계점:
◦
구체적인 한계점은 논문에 명시되지 않았습니다.
👍
Made with Slashpage