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.

Jigsaw-Puzzles: From Seeing to Understanding to Reasoning in Vision-Language Models

Created by
  • Haebom

저자

Zesen Lyu, Dandan Zhang, Wei Ye, Fangdi Li, Zhihang Jiang, Yao Yang

개요

본 논문은 시각-언어 모델(VLMs)의 공간 추론 능력을 평가하기 위해 새로운 벤치마크인 Jigsaw-Puzzles를 제안합니다. Jigsaw-Puzzles는 공간적 복잡성이 높은 1,100개의 실제 이미지로 구성되며, 공간 지각, 구조 이해, 추론 능력을 평가하는 다섯 가지 과제를 포함합니다. 24개의 최첨단 VLMs를 대상으로 실험한 결과, Gemini-2.5-Pro를 포함한 모든 모델이 인간 수준에 크게 못 미치는 성능을 보였으며, 특히 순서 생성 과제에서 성능 저하가 두드러졌습니다. 이는 VLMs의 공간 추론 능력 향상을 위한 지속적인 연구의 필요성을 시사합니다.

시사점, 한계점

시사점:
VLMs의 공간 추론 능력의 현황과 한계를 명확히 보여주는 새로운 벤치마크인 Jigsaw-Puzzles 제시.
VLMs의 공간 추론 능력 향상을 위한 연구 방향 제시.
도메인 특정 지식에 대한 의존도를 최소화하여 일반적인 공간 추론 능력 평가 가능.
한계점:
현재 벤치마크의 규모(1,100개 이미지)가 상대적으로 작을 수 있음.
Jigsaw-Puzzles 벤치마크의 과제 설계가 특정 유형의 공간 추론에 편향되어 있을 가능성.
인간 참가자와의 성능 비교에 대한 자세한 설명 부족.
👍