논문 정보
- 날짜:
2026-03-25 - 카테고리: -
- 우선순위 점수: 0.1
핵심 요약
기존 유클리드 공간 기반 VLM의 계층 구조 표현 한계를 극복하기 위해 쌍곡선 공간(Hyperbolic space)을 활용한 UNCHA 프레임워크를 제안합니다. 이미지의 부분과 전체 사이의 의미론적 대표성을 불확실성(Uncertainty)으로 모델링하여 가중치 기반의 대조 학습을 수행합니다. 이를 통해 복잡한 다중 객체 장면에서 부분-전체 관계를 더 정확하게 학습하고 제로샷 분류 및 검색 성능을 향상시켰습니다.학습자 관점 포인트
- 우리 팀 영향: 이미지 내 객체 간 계층 구조와 부분-전체 관계를 정교하게 모델링해야 하는 시각 언어 이해 작업의 성능 향상에 기여할 수 있습니다.
- 권장 액션: 실험
- 액션 근거: 쌍곡선 임베딩을 통한 계층 구조 학습 방식이 기존 유클리드 모델 대비 복잡한 장면 이해에 효과적인지 검증이 필요합니다.
원문 링크
- arXiv: https://arxiv.org/abs/2603.22042
- Hugging Face Papers: https://huggingface.co/papers/2603.22042