본 논문은 머신러닝 모델 학습에 필요한 데이터 확보의 어려움을 해결하기 위해 신경 기호(Neuro-Symbolic) 방법을 이용한 합성 데이터 생성에 초점을 맞추고 있습니다. 특히, 장면 그래프 생성(Scene Graph Generation) 모델의 성능 향상을 위해 장면 그래프 형태의 구조화된 기호적 표현을 활용하여 합성 데이터의 질을 높이는 방법을 연구합니다. 실험 결과, 신경 기호적 조건화(Neuro-Symbolic conditioning)를 통해 합성 데이터를 증강한 결과, 표준 재현율(Recall) 지표에서 최대 +2.59%, 그래프 제약 없이 재현율을 측정한 지표에서 최대 +2.83%의 성능 향상을 달성했습니다. 이는 신경 기호적 접근 방식과 생성적 접근 방식을 결합하여 복잡한 시각적 추론 작업에서도 데이터 부족 문제를 극복하는 새로운 방법을 제시합니다.
