Multimodal Model Editing (MMED)는 멀티모달 모델 내의 오류 지식을 수정하는 것을 목표로 한다. 기존 평가 방법은 텍스트 모델 편집에서 가져온 것으로, 낮은 유사성 또는 임의의 입력을 사용하여 성공을 과장하고 과적합을 모호하게 만든다. 본 연구는 3가지 주요 차원(임의 이미지 국소성, 이미지 없음 국소성, 일관된 이미지 국소성)을 포함하는 포괄적인 국소성 평가 프레임워크를 제안하며, 7가지 데이터 유형을 통해 운영되어 멀티모달 편집에 대한 상세하고 구조화된 분석을 가능하게 한다. 또한, 시각적 질의 응답을 위한 동적 평가인 De-VQA를 도입하여 '일시적 맹목'이라는 현상을 발견하고, 편집 유사 텍스트에 과적합되고 시각적 요소를 무시하는 현상을 밝혀냈다. 토큰 분석은 편집이 텍스트 토큰에 불균형적으로 영향을 미치는 것을 보여준다. 본 연구는 상호 모달 표현의 균형을 맞추기 위해 국소성 인식 적대적 손실을 제안한다. 실험 결과는 제안된 방법이 기존 기반 모델보다 일관되게 우수하며, 일시적 맹목을 줄이고 국소성을 평균 17% 향상시키는 것을 보여준다.
