이중 병목을 돌파하다: 통합 멀티모달 모델을 자가 적응형 교차 시각 추론기로 발전시키기

연구진은 직접 생성, 자기 반성, 다단계 계획을 상황에 따라 전환하는 자기 적응형 통합 멀티모달 프레임워크를 제안했다.

이 파이프라인은 지시문의 복잡도에 맞춰 생성 전략을 선택해 anything-to-image 성능을 높이도록 설계됐다.

5만 건이 넘는 샘플로 학습한 결과, 기존 베이스라인보다 더 높은 이미지 충실도를 보였다.

이번 연구는 비전-언어 시스템이 의미 이해를 정확한 시각 결과로 바꾸는 핵심 약점을 줄이는 데 초점을 맞춘다.