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.

ReFoCUS: Reinforcement-guided Frame Optimization for Contextual Understanding

Created by
  • Haebom

저자

Hosu Lee, Junho Kim, Hyunjun Kim, Yong Man Ro

개요

본 논문에서는 비디오 내용 이해 능력의 제한점을 극복하기 위해, Large Multi-modal Models (LMMs)에 대한 새로운 프레임 선택 최적화 프레임워크인 ReFoCUS (Reinforcement-guided Frame Optimization for Contextual UnderStanding)를 제안합니다. ReFoCUS는 강화 학습을 통해 텍스트 응답이 아닌 시각적 입력 선택에 초점을 맞춰 프레임 선택 정책을 학습합니다. 기존의 정적 휴리스틱 또는 외부 검색 모듈에 의존하는 방식과 달리, 참조 LMM에서 파생된 보상 신호를 사용하여 시간적 맥락을 고려한 응답을 가장 잘 지원하는 프레임에 대한 모델의 내재적 선호도를 반영합니다. 자동 회귀 조건부 선택 아키텍처를 사용하여 시간적 일관성을 유지하면서 복잡성을 줄이고, 프레임 단계의 명시적 감독 없이도 여러 비디오 QA 벤치마크에서 추론 성능을 향상시킵니다.

시사점, 한계점

시사점:
기존의 비디오 이해 모델의 한계점인 비효율적인 프레임 선택 문제를 해결하는 새로운 접근 방식 제시
강화 학습 기반의 프레임 선택 정책 학습을 통해 모델의 내부적 유틸리티에 맞춰 프레임을 선택함으로써 성능 향상
프레임 레벨의 명시적 감독이 필요 없어 데이터 효율성 증가
여러 비디오 QA 벤치마크에서 성능 향상을 통해 효과 검증
한계점:
제안된 모델의 성능 향상이 특정 LMM 및 데이터셋에 국한될 가능성 존재
자동 회귀 조건부 선택 아키텍처의 복잡성 및 계산 비용에 대한 추가적인 분석 필요
다양한 종류의 비디오 데이터 및 질문 유형에 대한 일반화 성능 평가 필요
👍