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.

Adaptive Residual-Update Steering for Low-Overhead Hallucination Mitigation in Large Vision Language Models

Created by
  • Haebom
Category
Empty

저자

Zhengtao Zou, Ya Gao, Jiarui Guan, Bin Li, Pekka Marttinen

개요

본 논문은 대규모 시각-언어 모델(LVLM)의 객체 환각 문제를 해결하기 위한 효율적인 프레임워크인 Residual-Update Directed DEcoding Regulation (RUDDER)를 제시한다. RUDDER는 단일 정방향 패스에서 추출한 시각적 증거 벡터인 Contextual Activation Residual Direction (CARD) 벡터와, 모델의 시각적 맥락 이탈 정도에 따라 보정 신호를 적용하는 Bayesian 기반 적응형 게이트를 활용한다. 이를 통해 계산 부하를 최소화하면서 LVLM의 신뢰성을 향상시키는 것을 목표로 한다.

시사점, 한계점

•
시사점:
◦
LVLM의 객체 환각 문제 해결을 위한 새로운 프레임워크 제시.
◦
추가적인 계산 비용 없이 성능 향상을 달성하여 실용성을 높임.
◦
POPE 및 CHAIR 벤치마크에서 기존 SOTA 방법론과 유사한 성능을 보임.
◦
실시간 환경에서 LVLM의 신뢰성을 향상시킬 수 있는 잠재력.
•
한계점:
◦
제시된 방법론의 일반화 가능성 및 다른 환각 관련 벤치마크에서의 성능 검증 필요.
◦
특정 아키텍처나 모델에 대한 종속성 여부 확인 필요.
◦
실제 환경에서의 성능 검증 및 확장성 연구 필요.
👍
Made with Slashpage