논문 정보
- 날짜:
2026-04-09
- 카테고리: -
- 우선순위 점수: 0.0
핵심 요약
Q-Zoom은 고해상도 시각 정보가 필요한 MLLM의 효율성을 높이기 위해 쿼리 기반의 적응형 인지 프레임워크를 제안합니다. 동적 게이팅 네트워크를 통해 고해상도 처리가 불필요한 경우를 걸러내고, SD-RPN을 사용하여 작업과 관련된 특정 영역(RoI)만 정밀하게 추출합니다. 이를 통해 Qwen2.5-VL-7B 기준 문서 및 OCR 벤치마크에서 정확도를 유지하면서도 추론 속도를 최대 2.52배에서 4.39배까지 향상시켰습니다.
학습자 관점 포인트
- 우리 팀 영향: 고해상도 이미지 처리가 필수적인 OCR 및 문서 이해 작업에서 연산 비용을 획기적으로 줄이면서 성능을 유지하거나 개선할 수 있는 기술적 단서를 제공합니다.
- 권장 액션: 실험
- 액션 근거: 기존 MLLM의 고질적인 문제인 고해상도 입력에 따른 연산 병목 현상을 자가 지도 학습 기반의 RoI 추출로 해결하여 실무 적용 가능성이 높기 때문입니다.
원문 링크
학습자는 이 문서를 읽고 실험 여부를 바로 결정하세요.
