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.

Beyond Unimodal Boundaries: Generative Recommendation with Multimodal Semantics

Created by
  • Haebom

저자

Jing Zhu, Mingxuan Ju, Yozen Liu, Danai Koutra, Neil Shah, Tong Zhao

개요

본 논문은 기존의 단일 모달리티(주로 텍스트) 기반 생성형 추천(GR) 시스템의 한계를 지적하며, 다중 모달리티 생성형 추천(MGR) 문제를 다룬다. 다양한 모달리티의 활용이 GR 모델 성능에 미치는 영향을 분석하고, 모달리티 선택 및 활용의 중요성을 강조한다. 특히, 여러 모달리티를 효과적으로 활용하기 위한 설계 전략을 평가하여, 대조적 모달리티 정렬과 특수 토큰을 사용하는 향상된 후융합 프레임워크 MGR-LF++를 제안한다. MGR-LF++는 단일 모달리티 기반 모델보다 20% 이상의 성능 향상을 달성하였다.

시사점, 한계점

•
시사점:
◦
다중 모달리티 정보를 활용한 생성형 추천 시스템의 중요성을 강조.
◦
다양한 모달리티의 효과적인 융합 전략에 대한 연구를 제시.
◦
MGR-LF++ 프레임워크를 통해 단일 모달리티 기반 모델 대비 성능 향상 가능성을 입증.
•
한계점:
◦
제안된 MGR-LF++의 성능 향상이 특정 데이터셋에 국한될 가능성.
◦
다양한 유형의 모달리티와 데이터셋에 대한 일반화 성능 검증 필요.
◦
모달리티 간 상호작용 및 의존성에 대한 심층적인 분석 부족.
👍
Made with Slashpage