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.

Benchmarking Large Multimodal Models for Ophthalmic Visual Question Answering with OphthalWeChat

Created by
  • Haebom

저자

Pusheng Xu, Xia Gong, Xiaolan Chen, Weiyi Zhang, Jiancheng Yang, Bingjie Yan, Meng Yuan, Yalin Zheng, Mingguang He, Danli Shi

개요

본 논문은 안과학 분야에서 다국어(중국어, 영어)를 지원하는 다중 모달 시각 질문 응답(VQA) 벤치마크인 OphthalWeChat 데이터셋을 제시합니다. 2016년 1월 1일부터 2024년 12월 31일까지 WeChat 공식 계정에서 수집된 안과 이미지 게시물과 캡션을 기반으로, GPT-4o-mini를 이용하여 중국어 및 영어 질의응답(QA) 쌍을 생성했습니다. 생성된 QA 쌍은 이진형, 단일 선택형, 개방형 질문으로 나뉘어 총 3,469개의 이미지와 30,120개의 QA 쌍을 포함하는 데이터셋을 구성했습니다. GPT-4o, Gemini 2.0 Flash, Qwen2.5-VL-72B-Instruct 세 가지 VLM을 이용하여 성능 평가를 진행한 결과, Gemini 2.0 Flash가 가장 높은 정확도(0.548)를 달성했습니다.

시사점, 한계점

시사점:
안과학 분야 최초의 다국어 VQA 벤치마크 데이터셋 제공.
실제 임상 환경을 반영한 현실적인 데이터셋 구성.
다양한 안과 질환, 영상 기법, 질문 유형을 포함하여 VLM의 종합적인 성능 평가 가능.
정확하고 전문적이며 신뢰할 수 있는 안과 AI 시스템 개발 지원.
한계점:
데이터셋의 크기가 상대적으로 작을 수 있음 (향후 확장 필요).
WeChat 데이터에 국한되어 일반화 가능성에 대한 추가 검토 필요.
특정 VLM 모델에 대한 성능 평가 결과이므로, 다른 모델에 대한 일반화 가능성 제한.
👍