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.

Context-Adaptive Multi-Prompt Embedding with Large Language Models for Vision-Language Alignment

Created by
  • Haebom

저자

Dahun Kim, Anelia Angelova

개요

본 논문은 시각-언어 대조 학습에서 의미 표현을 풍부하게 하기 위한 새로운 방법인 Context-Adaptive Multi-Prompt Embedding을 제안합니다. 기존 CLIP 스타일 모델이 단일 텍스트 임베딩에 의존하는 것과 달리, 본 연구는 입력 텍스트의 다양한 의미적 측면을 포착하는 고유한 적응형 토큰을 각각 포함하는 여러 개의 구조화된 프롬프트를 도입합니다. CLIP 프레임워크 내에서 사전 훈련된 LLM을 텍스트 인코더로 활용하여 모든 프롬프트를 단일 전달 과정에서 공동으로 처리합니다. 결과적으로 생성된 프롬프트 임베딩은 통합된 텍스트 표현으로 결합되어 시각적 특징과의 의미적으로 더 풍부한 정렬을 가능하게 합니다. 의미적 다양성과 표현 품질을 더욱 향상시키기 위해 다양성 규제 손실과 부정 인식 손실을 통합하여 프롬프트 간의 전문화를 장려하고 대조적 차별을 개선합니다. 본 방법은 이미지-텍스트 및 비디오-텍스트 검색 벤치마크에서 일관된 성능 향상을 달성합니다.

시사점, 한계점

시사점:
다중 프롬프트를 활용하여 시각-언어 대조 학습에서 의미 표현의 풍부함을 향상시킬 수 있음을 보여줍니다.
사전 훈련된 LLM을 효과적으로 활용하여 다양한 의미적 측면을 포착하는 방법을 제시합니다.
다양성 규제 손실과 부정 인식 손실을 통해 성능 향상을 이끌어냅니다.
이미지-텍스트 및 비디오-텍스트 검색 과제에서 성능 향상을 실험적으로 검증합니다.
한계점:
제안된 방법의 계산 비용이 기존 방법보다 높을 수 있습니다. (다중 프롬프트 처리)
특정 LLM에 의존적인 부분이 존재할 수 있습니다.
다양성 규제 손실 및 부정 인식 손실의 최적 하이퍼파라미터 설정에 대한 추가적인 연구가 필요할 수 있습니다.
사용된 벤치마크의 한계로 인해 일반화 성능에 대한 추가적인 검증이 필요할 수 있습니다.
👍