Efficient Adaptation For Remote Sensing Visual Grounding
Created by
Haebom
저자
Hasan Moughnieh, Mohamad Chalhoub, Hasan Nasrallah, Cristiano Nattero, Paolo Campanella, Giovanni Nico, Ali J. Ghandour
개요
본 논문은 원격 감지(RS) 분야에서 시각적 근거(VG) 작업을 위해 사전 훈련된 모델을 적응시키는 효율적인 전략으로 파라미터 효율적 미세 조정(PEFT) 기법을 제시합니다. Grounding DINO 모델과 OFA 기반 모델에 LoRA, BitFit, adapter 등의 PEFT 기법을 적용하여 일반적인 VG 데이터셋으로 사전 훈련된 모델을 RS 특정 VG 작업에 맞게 미세 조정했습니다. 그 결과, 기존 최첨단(SOTA) 모델과 비교하여 성능이 동등하거나 우수하면서 계산 비용을 크게 줄일 수 있음을 보였습니다. 이는 RS 분야의 효율적이고 정확한 다중 모달 분석을 위한 PEFT 기법의 잠재력을 강조합니다.
시사점, 한계점
•
시사점:
◦
RS 분야에서 PEFT 기법을 활용한 효율적인 다중 모달 분석 가능성 제시
◦
기존 SOTA 모델 수준 이상의 성능 달성과 동시에 계산 비용 절감
◦
사전 훈련된 모델을 활용한 RS 특정 VG 작업에 대한 실용적이고 비용 효율적인 대안 제시
