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.

M-LLM Based Video Frame Selection for Efficient Video Understanding

Created by
  • Haebom

저자

Kai Hu, Feng Gao, Xiaohan Nie, Peng Zhou, Son Tran, Tal Neiman, Lingyun Wang, Mubarak Shah, Raffay Hamid, Bing Yin, Trishul Chilimbi

개요

본 논문은 장문 비디오에 대한 질문 응답에서 다중 모달 대규모 언어 모델(M-LLM)의 성능을 향상시키는 경량 M-LLM 기반 프레임 선택 방법을 제안합니다. 기존의 균일 샘플링 방식은 중요한 정보 손실을 야기할 수 있기에, 본 논문에서는 사용자 질의와 관련성이 높은 프레임을 선택적으로 추출하는 방법을 제시합니다. 이는 M-LLM을 이용한 공간적 신호(단일 프레임 중요도 점수)와 LLM을 이용한 시간적 신호(여러 프레임 선택, 모든 프레임 자막 사용)라는 두 가지 감독 신호를 통해 학습된 프레임 선택기를 사용합니다. 선택된 프레임은 고정된 다운스트림 비디오 M-LLM에 전달되어 시각적 추론 및 질문 응답을 수행합니다. 실험 결과, 제안된 방법은 다양한 비디오 질문 응답 벤치마크(ActivityNet, NExT-QA, EgoSchema, LongVideoBench)에서 다운스트림 비디오 LLM의 성능을 향상시키는 것으로 나타났습니다.

시사점, 한계점

시사점:
장문 비디오에 대한 질문 응답 성능 향상을 위한 효과적인 프레임 선택 방법 제시.
M-LLM을 활용한 공간적 및 시간적 감독 신호를 통한 효율적인 프레임 선택기 학습.
다양한 벤치마크에서 다운스트림 비디오 LLM 성능 개선 확인.
경량 모델을 통해 계산 비용 절감 가능성 제시.
한계점:
제안된 방법의 일반화 성능에 대한 추가적인 연구 필요.
특정 유형의 비디오에 대한 편향성 존재 가능성.
사용된 M-LLM 및 LLM의 종류에 따른 성능 차이 분석 필요.
더욱 다양하고 복잡한 비디오 데이터셋에 대한 실험 필요.
👍