Gueter Josmy Faure, Min-Hung Chen, Jia-Fong Yeh, Ying Cheng, Hung-Ting Su, Yung-Hao Tang, Shang-Hong Lai, Winston H. Hsu
개요
MovieCORE는 영화 콘텐츠에 대한 더 깊은 인지적 이해를 탐구하도록 설계된 새로운 비디오 질의응답(VQA) 데이터셋입니다. 기존의 표면적 이해에 초점을 맞춘 데이터셋과 달리, MovieCORE는 시스템 2 사고를 유발하는 질문에 중점을 두되 비디오 자료에 특정적으로 남아 있습니다. 여러 대규모 언어 모델(LLM)을 사고 에이전트로 활용하여 고품질 질문-답변 쌍을 생성하고 개선하는 혁신적인 에이전트적 브레인스토밍 방식을 제시합니다. 데이터셋의 질을 평가하기 위해 심층, 사고 유발 잠재력 및 구문적 복잡성을 평가하는 일련의 인지 테스트를 개발했습니다. 또한 더 깊은 인지적 과제에 대한 VQA 모델 성능을 평가하기 위한 포괄적인 평가 체계를 제안합니다. 기존 비디오-언어 모델(VLM)의 한계를 해결하기 위해, 학습 후 모델 추론 능력을 최대 25%까지 향상시키는 에이전트적 향상 모듈인 Agentic Choice Enhancement (ACE)를 도입했습니다. 이 연구는 AI 시스템에서 영화 이해를 발전시키는 데 기여하며, 더욱 어렵고 미묘한 영화 콘텐츠에 대한 질문에 직면했을 때 현재 VQA 모델의 기능과 한계에 대한 귀중한 통찰력을 제공합니다. 프로젝트 페이지, 데이터셋 및 코드는 https://joslefaure.github.io/assets/html/moviecore.html 에서 확인할 수 있습니다.