AROMA: Vision-Language Model 제어를 위한 적응적 표현 지향 다중 모드 구동
요약
기존의 기계론적 국소화만으로는 Vision-Language Model(VLM) 제어에 한계가 있습니다. 본 논문은 AROMA(Adaptive Representation-Oriented Multimodal Actuation)라는 고정된 VLM 제어 프레임워크를 제시합니다. 이 프레임워크는 개입 위치, 기하학, 목표 도달 방법 등을 분리하여 모델의 성능을 개선하고 정확도를 높였습니다.
핵심 포인트
- AROMA는 VLM 제어를 위한 고정된 다중 모드 구동 프레임워크입니다.
- 크기 정규화 인과 부분 공간 구동은 카운트 정확도를 +8.00 pp 개선했습니다.
- MEA(반복 최소 노력 구동)는 오라클 목표에 81.25%까지 도달하는 성능을 보였습니다.
- 국소화, 구동, 목표 품질 등 제어 문제를 개별적인 문제로 분리하여 접근합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0