본 논문은 대규모 비전 언어 모델(LVLMs)의 비전 맥락 학습(VICL)에서 불완전한 검색 데이터베이스 문제를 해결하는 새로운 프레임워크인 IJIP(Iterative Judgments and Integrated Prediction)를 제안합니다. 기존 VICL은 모든 레이블에 대한 주석된 예시를 포함하는 완전한 검색 데이터베이스를 가정하지만, 현실적으로는 레이블이 부분적으로만 존재하는 불완전한 검색 데이터베이스(IICL) 상황이 발생할 수 있습니다. IJIP는 이러한 IICL 문제를 해결하기 위해, 먼저 다중 클래스 분류 문제를 일련의 이진 분류 문제로 변환하는 반복적 판단 단계와, 입력 이미지와 반복적 판단 단계의 예측을 활용하여 분류 정확도를 높이는 통합 예측 단계로 구성됩니다. 실험 결과, IJIP는 두 개의 LVLMs과 두 개의 데이터셋에서 레이블 불완전성의 세 가지 조건 하에서 최고 93.9%의 정확도를 달성했으며, 레이블이 완전한 경우에도 기존 방법들보다 우수한 성능을 보였습니다. 또한, 프롬프트 학습에도 직접 적용 가능하며 텍스트 영역에도 적용 가능합니다.
