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.

Mixture of Decoding: An Attention-Inspired Adaptive Decoding Strategy to Mitigate Hallucinations in Large Vision-Language Models

Created by
  • Haebom

저자

Xinlong Chen, Yuanxing Zhang, Qiang Liu, Junfei Wu, Fuzheng Zhang, Tieniu Tan

개요

본 논문은 대규모 비전-언어 모델(LVLMs)의 환각 문제를 해결하기 위해 새로운 디코딩 방법인 혼합 디코딩(MoD)을 제안한다. MoD는 모델의 이미지 토큰에 대한 어텐션의 정확성을 평가하여 디코딩 전략을 동적으로 조절한다. 원본 이미지 토큰과 모델이 주목한 이미지 토큰에서 생성된 출력의 일관성을 측정하여 어텐션의 정확성을 판단한다. 출력이 일관성이 있으면 중요한 정보를 증폭하고, 일관성이 없으면 잘못된 정보를 억제하는 전략을 사용한다. 여러 주요 벤치마크에서 기존 디코딩 방법보다 성능이 뛰어나 LVLMs의 환각을 효과적으로 줄이는 것을 실험적으로 보여준다. 코드는 https://github.com/xlchen0205/MoD 에서 이용 가능하다.

시사점, 한계점

시사점:
LVLMs의 환각 문제를 효과적으로 완화하는 새로운 디코딩 방법(MoD) 제시
이미지 토큰에 대한 어텐션의 정확성을 평가하여 동적으로 디코딩 전략을 조절하는 독창적인 접근 방식
여러 벤치마크에서 기존 방법 대비 성능 향상을 통해 실용성 검증
공개된 코드를 통해 재현성 및 확장성 확보
한계점:
제안된 방법의 일반화 성능에 대한 추가적인 연구 필요
다양한 유형의 환각에 대한 MoD의 효과성 비교 분석 필요
특정 유형의 이미지나 언어에 편향될 가능성에 대한 고려 필요
👍