본 논문은 대규모 시각-언어 모델(LVLMs)에서 지속적인 문제점으로 남아있는 공간 관계 환각(spatial relation hallucinations)을 해결하기 위해 제약 조건 기반 프롬프팅 프레임워크를 제안합니다. 이 프레임워크는 쌍방향 제약 조건(pairwise object relations의 일관성 보장)과 전이성 제약 조건(여러 객체 간 관계적 의존성 강화) 두 가지 유형의 제약 조건을 도입하여 LVLMs이 공간적으로 일관성 있는 출력을 생성하도록 합니다. 세 가지 널리 사용되는 공간 관계 데이터셋에 대한 평가를 통해 기존 방법보다 성능 향상을 보였으며, 다양한 쌍방향 관계 분석 선택 및 전이성 참조 선택에 대한 체계적인 분석을 통해 제약 조건 통합의 가능성을 더욱 강조합니다.
