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.

Deep Video Discovery: Agentic Search with Tool Use for Long-form Video Understanding

Created by
  • Haebom

저자

Xiaoyi Zhang, Zhaoyang Jia, Zongyu Guo, Jiahao Li, Bin Li, Houqiang Li, Yan Lu

개요

본 논문은 시간적·공간적 복잡성이 높은 장시간 비디오 이해의 어려움을 해결하기 위해, 에이전트 기반 검색 전략을 활용한 Deep Video Discovery (DVD) 에이전트를 제안합니다. 기존의 비디오 에이전트들이 수동으로 설계된 엄격한 워크플로우를 사용하는 것과 달리, DVD 에이전트는 다양한 크기의 비디오 데이터베이스 상에서 검색 중심 도구들을 활용하여 자율적으로 동작합니다. LLM의 고급 추론 능력을 활용하여 현재 관찰 상태를 계획하고, 전략적으로 도구를 선택하며, 행동에 대한 적절한 매개변수를 설정하고, 수집된 정보에 비추어 내부 추론을 반복적으로 개선합니다. 여러 장시간 비디오 이해 벤치마크에 대한 포괄적인 평가를 통해 시스템 설계의 장점을 보여주며, 특히 LVBench 데이터셋에서 기존 연구들을 크게 능가하는 최첨단 성능을 달성합니다. 추가적으로, ablation study와 도구 분석을 통해 장시간 비디오 이해를 위한 지능형 에이전트 발전에 대한 통찰력을 제공합니다. 코드는 추후 공개될 예정입니다.

시사점, 한계점

시사점:
장시간 비디오 이해를 위한 새로운 에이전트 기반 접근 방식 제시
LLM의 추론 능력을 활용한 효율적인 비디오 검색 및 정보 추출
LVBench 데이터셋에서 기존 연구 대비 월등한 성능 향상
에이전트 설계 및 도구 활용에 대한 심층적인 분석 제공
한계점:
코드 공개 전까지 재현성 검증 어려움
다양한 유형의 장시간 비디오에 대한 일반화 성능 검증 필요
에이전트의 자율성과 관련된 윤리적 고려 사항 논의 부족
👍