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.

xGen-MM (BLIP-3): A Family of Open Large Multimodal Models

Created by
  • Haebom

저자

Le Xue, Manli Shu, Anas Awadalla, Jun Wang, An Yan, Senthil Purushwalkam, Honglu Zhou, Viraj Prabhu, Yutong Dai, Michael S Ryoo, Shrikant Kendre, Jieyu Zhang, Shaoyen Tseng, Gustavo A Lujan-Moreno, Matthew L Olson, Musashi Hinck, David Cobbley, Vasudev Lal, Can Qin, Shu Zhang, Chia-Chih Chen, Ning Yu, Juntao Tan, Tulika Manoj Awalgaonkar, Shelby Heinecke, Huan Wang, Yejin Choi, Ludwig Schmidt, Zeyuan Chen, Silvio Savarese, Juan Carlos Niebles, Caiming Xiong, Ran Xu

개요

BLIP-3는 대규모 다중 모달 모델(LMM) 개발을 위한 오픈 프레임워크입니다. 정교하게 큐레이션된 데이터셋, 훈련 레시피, 모델 아키텍처, 그리고 결과적으로 만들어진 LMM 제품군으로 구성됩니다. 4B 및 14B 모델(사전 훈련된 기본 모델과 지시어 미세 조정 모델 포함)을 공개하며, 단일 및 다중 이미지 벤치마크를 포함한 다양한 작업에 대한 엄격한 평가를 거쳤습니다. 유사한 크기의 오픈소스 LMM 중에서 경쟁력 있는 성능을 보여주며, 이미지-텍스트가 섞인 입력을 이해하는 능력을 갖추고 있습니다. 훈련 코드, 모델, 그리고 이 연구에서 사용된 모든 데이터셋(새롭게 생성한 3개의 대규모 데이터셋 및 전처리된 데이터셋 포함)은 오픈소스로 공개되어 연구 커뮤니티를 지원합니다.

시사점, 한계점

시사점:
대규모 다중 모달 모델 개발을 위한 오픈소스 프레임워크 제공으로 연구 접근성 향상.
4B 및 14B 모델 공개를 통한 다양한 연구 및 응용 가능성 확대.
경쟁력 있는 성능을 보이는 오픈소스 LMM 제공.
이미지-텍스트 혼합 입력 이해 능력.
대규모 데이터셋 공개를 통한 추가 연구 지원.
한계점:
논문에서 구체적인 성능 지표 및 비교 대상 모델에 대한 상세한 정보 부족.
모델의 한계점이나 향후 개선 방향에 대한 논의 부족.
4B 및 14B 모델 이외 다른 크기의 모델에 대한 정보 부족.
👍