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.

ProReason: Multi-Modal Proactive Reasoning with Decoupled Eyesight and Wisdom

Created by
  • Haebom
Category
Empty

저자

Jingqi Zhou, Sheng Wang, Jingwei Dong, Lei Li, Jiahui Gao, Jiyue Jiang, Lingpeng Kong, Chuan Wu

개요

본 논문은 시각적 추론 과제에서 대규모 시각-언어 모델(LVLMs)이 이미지 정보보다 언어 지식을 우선시하여 성능 저하를 초래하는 문제를 해결하기 위해, 시각적 추론 과정을 시각적 인지(eyesight)와 언어적 추론(wisdom) 두 단계로 분해하는 새로운 시각적 추론 프레임워크인 ProReason을 제안합니다. ProReason은 다중 실행 사전적 인지(multi-run proactive perception)와 분리된 시각-추론 기능(decoupled vision-reasoning capabilities)을 특징으로 하며, 필요하고 충분한 시각적 설명으로 답을 도출할 때까지 반복적으로 정보를 수집하고 추론합니다. 기존 LLM을 통합하여 LVLMs의 추론 결함을 보완할 수 있도록 설계되었으며, 다양한 벤치마크에서 기존의 다단계 추론 프레임워크 및 수동 방식보다 우수한 성능을 보입니다. 특히 LLM을 활용하여 MMMU 벤치마크에서 최대 15%의 성능 향상을 달성했습니다.

시사점, 한계점

•
시사점:
◦
LVLMs의 시각적 추론 성능 저하 문제에 대한 새로운 해결책 제시
◦
시각적 추론 과정을 효과적으로 분해하여 성능 향상
◦
기존 LLM과의 원활한 통합을 통한 성능 향상 (최대 15% 향상)
◦
다양한 벤치마크에서 기존 방법 대비 우수한 성능 검증
◦
LLM 기반 시각적 추론 연구에 대한 새로운 방향 제시
•
한계점:
◦
ProReason의 계산 비용 및 효율성에 대한 추가적인 분석 필요
◦
다양한 유형의 시각-언어 데이터셋에 대한 일반화 성능 평가 필요
◦
LLM 의존성으로 인한 LLM의 한계가 ProReason에 영향을 미칠 가능성
◦
특정 벤치마크에 대한 과적합 가능성에 대한 검토 필요
👍
Made with Slashpage