MSTAR 자동 표적 인식용 대규모 언어-시각 질문 답변 모델 개발 방향

요약

본 논문은 대규모 언어-시각 모델(LLVM)을 활용하여 자동 표적 인식(ATR) 분야의 발전을 목표로 합니다. 특히 합성 개구 레이더(SAR) 이미지에 초점을 맞추어, 원격 감지 이미지 캡셔닝 및 시각 질문 답변(VQA) 능력을 검토합니다. 연구진은 MSTAR 데이터셋을 기반으로 VQA 기능을 확장한 새로운 SAR 학습/평가 벤치마크를 개발했으며, 이를 통해 LLVM이 복잡한 환경 조건 하에서 미묘한 표적 특성을 높은 정확도로 식별할 수 있도록 파인튜닝하는 방법을 제시합니다.

핵심 포인트

• LLM-V 모델을 활용하여 자동 표적 인식(ATR)의 패러다임을 전환하고, 특히 SAR 이미지 분석에 적용 가능성을 탐구함.
• 기존 MSTAR 데이터셋을 VQA 작업이 포함된 새로운 벤치마크로 확장하여 LLVM의 성능 평가 기준을 높임.
• 매개변수 효율적 파인튜닝(PEFT) 기법을 사용하여 SAR 이미지에서 미세한 표적 특성을 높은 정확도로 식별하는 방법을 성공적으로 시연함.
• 본 연구는 군사 및 정보 환경에서의 ATR 기술 발전을 목표로 하며, 인간 분석가의 전문 지식을 모방하는 것을 목표로 함.