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.

HarmoCLIP: Harmonizing Global and Regional Representations in Contrastive Vision-Language Models

Created by
  • Haebom
Category
Empty

저자

Haoxi Zeng, Haoxuan Li, Yi Bin, Pengpeng Zeng, Xing Xu, Yang Yang, Heng Tao Shen

HarmoCLIP: CLIP 내에서 전역 및 지역 표현 조화를 위한 프레임워크

개요

본 논문은 Contrastive Language-Image Pre-training (CLIP)의 세부적인 의미 이해 부족 문제를 해결하기 위해, 전역 및 지역 표현을 조화시키는 새로운 프레임워크인 HarmoCLIP을 제안합니다. HarmoCLIP은 텍스트 세그먼트와 해당 시각적 영역을 직접 정렬하여 지역적 의미를 개선하고, 지역-언어 정렬 전략을 통해 전역적 일관성을 유지하면서 세분화된 의미 학습을 촉진합니다.

시사점, 한계점

CLIP의 전역-지역 상충 관계를 효과적으로 해결하는 프레임워크 제시.
지역적 의미 이해 개선과 전역적 일관성 유지를 동시에 달성.
검색 작업에서 최대 69.78% 성능 향상, 경계 상자 분류에서 3.2% Top-1 정확도 향상.
전반적인 성능 향상에도 불구하고, 모델의 복잡성 및 계산 비용에 대한 언급은 부족함.
코드 공개를 통해 재현 가능성 및 활용 가능성 증대.
👍