[태그:] VLM

객체별 상태 궤적을 추적하는 무학습 O-VAD가 Phys-AD·LiquidAD·IPAD에서 기존 방법과 비교됐다. 논문은 ECCV 2026 채택작이다.

GQA 기반 복합 VQA에서 VLM이 왜 틀리는지, 3,500개 표본과 36개 층 개입으로 실패 유형과 내부 경로를 나눠 본 arXiv 프리프린트 ...

가정 환경의 지지·포함·근접 관계가 과정 안전에 미치는 영향을 묻는 507문항 벤치마크가 나왔다. 7개 VLM 기반 에이전트에서 작업 성공과 안전 준수의 ...

5개 VLM을 두 엣지 플랫폼에서 측정하자 출력 디코드가 에너지의 86~97%를 차지했고 출력 토큰당 시간은 입력보다 11~39배 길었다.

네 VLM의 중간 활성값을 분석해 물체 수 정보가 남아 있어도 최종 답변은 다른 방향으로 읽힐 수 있다는 가설을 시험했다.

VaseMuseum은 고대 그리스 도기를 설명하는 AI가 근거 없는 단정을 줄이고 검증 가능한 출처에 기반해 답하도록 설계한 디지털 박물관 프레임워크다.

연구진이 실제 제철소 CCTV 영상으로 시각언어모델을 평가한 결과 사람 대비 큰 성능 격차가 확인됐다.

참조 이미지와 텍스트 명령을 결합해 원하는 이미지를 찾는 제로샷 합성 이미지 검색에 플로우 매칭 기법을 적용한 연구가 나왔다.

연구진이 실사 장면 기반 물리 데이터셋 NewtPhys로 56개 비전-언어 모델을 평가한 결과, 현재 모델들이 저수준 물리 추론에서 현저한 한계를 보였다.

엔비디아 리서치가 비전-언어 모델의 공간 추론 한계를 코드 기반 액션 인터페이스로 돌파한 학습 불필요 에이전트 프레임워크 SpatialClaw를 공개했다.

VLM(비전-언어 모델)의 환각 문제를 완화하기 위해 증거 기반 추론과 단계별 인용 검증을 결합한 CaVe-VLM-CoT 프레임워크가 제안됐다. ScienceQA에서 87.1% 정확도를 기록했다.

연구진이 실시간 전략 게임을 기반으로 비전언어모델(VLM)의 전략적 추론 능력을 진단하는 벤치마크 RTSGameBench를 제안했다. 최신 VLM들은 협동 조율이 필요한 상황에서 일관되게 ...