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 높고 긴 맥락에서 질문에 답하기 어려운 장시간 비디오 이해의 과제를 해결하기 위해, 에이전트 기반 검색 전략을 활용하는 Deep Video Discovery (DVD) 에이전트를 제안합니다. 기존 비디오 에이전트의 고정된 워크플로우와 달리, DVD 에이전트는 자율적인 특성을 강조하며 다양한 크기의 비디오 데이터베이스 상에서 검색 중심 도구들을 활용합니다. LLM의 고급 추론 능력을 활용하여 현재 관찰 상태를 계획하고, 전략적으로 도구를 선택하고, 행동에 적절한 매개변수를 설정하며, 수집된 정보에 비추어 내부 추론을 반복적으로 개선합니다. 여러 장시간 비디오 이해 벤치마크에 대한 종합적인 평가를 통해 시스템 설계의 우수성을 보여주며, 특히 LVBench 데이터셋에서 기존 연구보다 성능을 크게 상회하는 최첨단(SOTA) 결과를 달성했습니다. 또한, ablation study와 도구 분석을 통해 장시간 비디오 이해를 위한 지능형 에이전트 발전에 대한 통찰력을 제공하며, 코드는 공개되었습니다 (https://github.com/microsoft/DeepVideoDiscovery).

시사점, 한계점

시사점:
장시간 비디오 이해를 위한 새로운 에이전트 기반 접근법 제시
LLM의 추론 능력을 활용한 효과적인 비디오 검색 및 이해 전략 제시
LVBench 데이터셋에서 SOTA 성능 달성
에이전트의 자율적인 동작을 강조한 설계
공개된 코드를 통한 재현성 및 후속 연구 가능성 제공
한계점:
본 논문에서 제시된 한계점에 대한 명시적인 언급이 부족함. 추가적인 분석을 통해 구체적인 한계점을 파악해야 함.
특정 데이터셋에 대한 성능 평가에 국한될 가능성. 다양한 데이터셋 및 작업에 대한 일반화 성능 검증 필요.
에이전트의 복잡성 및 연산 비용에 대한 분석 부족. 실제 활용 가능성에 대한 추가적인 연구 필요.
👍