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.

Multimodal Continual Learning with MLLMs from Multi-scenario Perspectives

Created by
  • Haebom
Category
Empty

저자

Kai Jiang, Siqi Huang, Xiangyu Chen, Jiawei Shao, Hongyuan Zhang, Xuelong Li

개요

본 논문은 멀티모달 대형 언어 모델(MLLM)에서 발생하는 재앙적 망각 문제를 해결하기 위해, 시나리오 변화에 적응하는 연속 학습(Continual learning) 방식을 제안한다. 특히, 다양한 시나리오 (고고도, 수중, 저고도, 실내)와 관점을 포함하는 멀티모달 시각 이해 데이터셋(MSVQA)을 구축하여 MLLM의 성능 저하를 분석하고, 이를 해결하기 위한 UNIFIER라는 새로운 방법을 제시한다. UNIFIER는 시나리오별 시각 정보를 분리하여 각 비전 블록 내에서 별도의 브랜치로 처리하고, 일관성 제약 조건을 통해 시나리오 간 시각 표현의 안정성을 유지한다.

시사점, 한계점

•
시사점:
◦
MLLM의 연속 학습 문제에 대한 새로운 접근 방식을 제시.
◦
실제 환경 변화를 반영한 MSVQA 데이터셋 구축.
◦
UNIFIER 모델을 통해 시나리오 간 지식 유지를 위한 효과적인 방법 제시.
◦
동일 시나리오 내 지식 축적을 달성.
•
한계점:
◦
제안된 방법의 일반화 능력 및 다른 MLLM 아키텍처에 대한 적용 가능성 추가 연구 필요.
◦
MSVQA 데이터셋의 확장성 및 다양한 시나리오 포괄 범위에 대한 개선 가능성 존재.
◦
UNIFIER의 복잡성 및 계산 비용에 대한 분석 및 최적화 필요.
👍
Made with Slashpage