소셜 미디어에 공유된 이미지는 지리적 단서를 포함하는 경우가 많습니다. 대규모 비전 언어 모델(LVLM)의 등장으로 일반 사용자도 이미지의 정확한 지리적 위치를 파악할 수 있게 되었지만, 기존 접근 방식은 이 작업에 최적화되지 않았습니다. Geo-Detective는 인간의 추론 및 도구 사용을 모방하여 이미지 지리적 위치 추론을 수행하는 에이전트입니다. 이미지 난이도에 따라 전략을 선택하는 4단계 절차를 따르며, 시각적 역 검색과 같은 전문 도구를 갖추고 있어 외부 지리적 단서를 수집합니다. 실험 결과, Geo-Detective는 기준 LVLM보다 전반적으로 우수한 성능을 보였으며, 특히 가시적인 지리적 특징이 없는 이미지에서 뛰어났습니다. 국가 수준의 지리적 위치 추론에서 기준 LLM보다 11.1% 이상 향상되었으며, 세분화된 수준에서도 약 5.2%의 성능 향상을 보였습니다. 또한, 외부 단서를 활용할 때 Geo-Detective는 정확한 예측을 할 가능성이 높아져 "알 수 없음" 예측률을 50.6% 이상 줄였습니다. Geo-Detective는 여러 방어 전략에 대해 더 강력한 견고성을 보였으며, 이는 보다 효과적인 개인 정보 보호 장치의 필요성을 강조합니다.
