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.

Diagnosing and Mitigating Modality Interference in Multimodal Large Language Models

Created by
  • Haebom

저자

Rui Cai, Bangzheng Li, Xiaofei Wen, Muhao Chen, Zhe Zhao

개요

본 논문은 다중 모달 대규모 언어 모델(MLLM)이 특히 시각적 질문 응답(VQA)과 같은 작업에서 관련 신호와 무관 신호를 구분하는 데 어려움을 겪는다는 문제점, 즉 교차 모달 역량 문제를 제기합니다. 이는 특정 모달리티에만 의존해야 하는 이미지 분류 또는 순수 텍스트 질문 응답과 같은 작업에서 더욱 두드러지게 나타나며, 이러한 현상을 모달리티 간섭이라 정의합니다. 논문에서는 모달리티 간섭을 정량적으로 측정하는 섭동 기반 인과 진단 실험을 설계하고, 이를 완화하기 위해 섭동 기반 데이터 증강(휴리스틱 및 PGD 기반 적대적 섭동 포함)과 일관성 정규화 전략을 활용하는 MLLM 미세 조정 프레임워크를 제안합니다. 다양한 벤치마크 데이터셋(이미지 중심, 텍스트 중심, VQA 작업)과 여러 모델에 대한 실험을 통해 제안된 방법의 효과를 검증합니다.

시사점, 한계점

시사점:
MLLM의 교차 모달 역량 문제(특히 모달리티 간섭)를 명확히 정의하고 정량화하는 새로운 방법 제시.
모달리티 간섭 문제를 완화하는 효과적인 미세 조정 프레임워크 제안.
제안된 방법이 다양한 벤치마크 데이터셋과 모델에서 성능 향상을 보임을 실험적으로 증명.
단일 모달 추론 능력 향상과 다중 모달 작업 성능 향상 모두에 기여.
한계점:
제안된 방법의 일반화 성능에 대한 추가적인 연구가 필요.
다양한 종류의 MLLM과 더욱 광범위한 데이터셋에 대한 실험이 필요.
휴리스틱 섭동의 설계 및 적대적 섭동의 강도 조절에 대한 최적화 연구가 추가적으로 필요할 수 있음.
👍