Aligning Vision to Language: Text-Free Multimodal Knowledge Graph Construction for Enhanced LLMs Reasoning
Created by
Haebom
Category
Empty
저자
Junming Liu, Siyuan Meng, Yanting Gao, Song Mao, Pinlong Cai, Guohang Yan, Yirong Chen, Zilin Bian, Botian Shi, Ding Wang
개요
본 논문은 대규모 언어 모델(LLM)의 다중 모달 추론에서 불완전한 지식과 환각 아티팩트 문제를 해결하기 위해 새로운 다중 모달 지식 그래프(MMKG) 생성 방법인 VaLiK를 제안합니다. VaLiK는 사전 훈련된 비전-언어 모델(VLM)을 이용하여 이미지 특징을 텍스트와 정렬하고, 이미지 특정 정보를 담은 설명으로 변환합니다. 또한, 교차 모달 유사성 검증 메커니즘을 통해 특징 정렬 과정에서 발생하는 노이즈를 효과적으로 제거합니다. 수동으로 주석이 달린 이미지 캡션 없이도 MMKG를 구성할 수 있으며, 기존 방법보다 효율적인 저장 공간을 제공하고, 엔티티-이미지 간 직접적인 연결 기능을 유지합니다. 실험 결과, VaLiK를 이용하여 향상된 LLM이 기존 최첨단 모델을 능가하는 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
기존 MMKG 생성의 한계점인 수동 주석의 어려움과 노이즈 문제를 효과적으로 해결하는 새로운 방법 제시
