요약

이 기술 기사는 대규모 시각-언어 모델(LVLM)에서 심층 생성을 수행할 때 중요한 요소인 '지속적인 시각적 기억'의 개념과 중요성을 다룹니다. LVLM이 일관되고 맥락에 맞는 출력을 생성하려면, 단순히 현재 프레임만 처리하는 것을 넘어 시간적 흐름을 아우르는 장기적인 시각적 정보를 유지하고 활용할 수 있어야 합니다. 본 연구는 이러한 지속적인 인식 유지를 통해 모델의 전반적인 성능과 깊이를 향상시키는 방법을 탐구합니다.

핵심 포인트

• LVLM의 심층 생성을 위해서는 단순한 프레임 단위 처리를 넘어선 '지속적인 시각적 기억' 메커니즘이 필수적이다.
• 시각적 정보를 시간적으로 유지하고 활용하는 능력은 모델이 일관성 있고 맥락에 맞는 출력을 생성하도록 돕는다.
• 본 연구는 지속적인 인식 유지를 통해 LVLM의 전반적인 성능과 깊이를 향상시키는 방법을 제시한다.