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.

Transferable Model-agnostic Vision-Language Model Adaptation for Efficient Weak-to-Strong Generalization

Created by
  • Haebom

저자

Jihwan Park, Taehoon song, Sanghyeok Lee, Miso Choi, Hyunwoo J. Kim

개요

본 논문은 비전-언어 모델(VLMs)의 효율적인 적응 지식 전이를 위한 경량 어댑터인 TransMiter를 제안합니다. TransMiter는 사전 훈련된 VLM과 미세 조정된 VLM 간의 지식 차이를 비지도 학습 방식으로 포착하여 역전파 없이 지식을 전이합니다. 소수의 레이어로 구성되어 추론 비용이 거의 없으며, 소량의 라벨링된 데이터를 추가하면 미세 조정된 강력한 모델을 능가하는 성능 향상을 가져옵니다. 다양한 크기와 아키텍처의 VLM에서 효과적이고 효율적으로 적응 지식을 전이하며 일반화 능력을 유지하는 것을 실험 결과를 통해 보여줍니다.

시사점, 한계점

•
시사점:
◦
역전파 없이 VLM의 적응 지식 전이를 가능하게 하는 효율적인 방법 제시.
◦
경량 어댑터 설계로 추론 비용 최소화.
◦
소량의 라벨링 데이터를 활용하여 성능 향상.
◦
다양한 크기와 아키텍처의 VLM에서 우수한 성능과 일반화 능력 유지.
•
한계점:
◦
TransMiter의 성능 향상이 특정 데이터셋이나 작업에 국한될 가능성.
◦
비지도 학습 방식의 한계로 인한 성능 저하 가능성.
◦
다양한 VLM 아키텍처에 대한 일반화 성능에 대한 추가적인 검증 필요.
👍
Made with Slashpage