본 논문은 시각적 생성적 귀납 학습에서 논리적 추론 시간을 줄이기 위한 전처리 기법을 제안합니다. 기존의 시각적 생성적 귀납 학습 방법인 AbdGen [Peng et al., 2023]에서 메타 규칙 선택 과정의 비효율성을 해결하기 위해, 심볼 기반과 메타 규칙의 임베딩 표현을 기반으로 메타 규칙 선택 정책을 학습하는 전처리 과정을 제시합니다. 이 과정은 원시 시각 데이터 없이 심볼 데이터만을 사용하여 저비용으로 수행되며, 주목 메커니즘의 기억 능력을 통해 전처리 과정에서 보지 못한 심볼 기반 오류까지 수정할 수 있습니다. 실험 결과, 제안된 방법이 메타 규칙 선택 문제를 효과적으로 해결하고 시각적 생성적 귀납 학습의 효율성을 높이는 것을 보여줍니다.
