밀집 좌표 목록 미세 조정(Dense Coordinate-List Fine-Tuning)이 시각-언어 모델(Vision-Language

요약

시각-언어 모델(VLM)을 밀집 좌표 목록 출력 방식으로 미세 조정할 때 발생하는 구조적 출력 변화와 반복 문제를 연구합니다. Gemma 4 12B와 Qwen3-VL-8B를 통해 LoRA 어댑터 용량이 모델의 생성 및 제어 표면에 미치는 영향을 분석했습니다.

핵심 포인트

• 밀집 좌표 미세 조정 시 모델의 구조화된 출력 방식 변화 및 반복 현상 발생
• Gemma 4 12B에서 고용량 LoRA 사용 시 시각적 접지 성능은 향상되나 중복 출력 유도
• 객체 수준의 반복-중단 기법을 통해 성능 저하 없이 중복 레코드 제거 가능
• 이러한 현상은 bbox-좌표 목록에 국한되며 다른 JSON 구조에는 영향을 주지 않음