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.

Aligning Vision to Language: Annotation-Free Multimodal Knowledge Graph Construction for Enhanced LLMs Reasoning

Created by
  • Haebom

저자

Junming Liu, Siyuan Meng, Yanting Gao, Song Mao, Pinlong Cai, Guohang Yan, Yirong Chen, Zilin Bian, Ding Wang, Botian Shi

개요

본 논문은 대규모 언어 모델(LLM)의 다중 모드 추론에서 불완전한 지식과 환각 아티팩트 문제를 해결하기 위해, 시각-언어 통합 지식 그래프(VaLiK)를 제안합니다. VaLiK는 사전 훈련된 시각-언어 모델(VLM)을 이용하여 이미지 특징을 텍스트와 정렬하고, 이미지 특정 정보를 담은 설명으로 변환합니다. 또한, 교차 모드 유사도 검증 메커니즘을 통해 특징 정렬 과정에서 발생하는 노이즈를 효과적으로 제거합니다. 수동으로 주석이 달린 이미지 캡션 없이도, 개선된 설명만으로 MMKG를 구성할 수 있습니다. 기존 MMKG 구성 방식과 비교하여 저장 효율성을 크게 높이고, 엔티티-이미지 직접 연결 기능을 유지합니다. 다중 모드 추론 작업에 대한 실험 결과, VaLiK를 활용한 LLM이 기존 최첨단 모델보다 성능이 우수함을 보여줍니다.

시사점, 한계점

시사점:
사전 훈련된 VLM을 활용하여 효율적으로 MMKG를 구축하는 새로운 방법 제시.
수동 주석 없이도 이미지 정보를 활용하여 LLM의 추론 성능 향상.
기존 MMKG 대비 향상된 저장 효율성과 엔티티-이미지 연결 기능 제공.
다중 모드 추론 작업에서 기존 최첨단 모델 성능을 뛰어넘는 결과 달성.
한계점:
제안된 방법의 성능은 사용된 VLM의 성능에 의존적일 수 있음.
특징 정렬 및 노이즈 필터링 과정의 최적화 여지 존재.
다양한 유형의 다중 모드 데이터에 대한 일반화 성능 평가 필요.
👍