보여주고 말하라: LLM 텍스트가 아닌 생성형 픽셀에서 공간 인지 평가하기
Show, Don't Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text
TL;DR AI
1분핵심 요약
연구진은 이미지 생성 모델의 공간 과제를 픽셀 공간의 답변으로 평가하는 벤치마크-독립형 프레임워크 ProVisE를 제안했다.
또한 14개 공간 세부 과업으로 구성된 470개 샘플의 SpatialGen-Bench를 공개했다.
실험 결과, 시각적으로 답할 수 있을 때 이미지 생성 모델은 경쟁력 있는 성능을 보였지만, 더 복합적인 공간 추론에서는 텍스트 기반 VLM이 여전히 우세했다.
이번 연구는 공간 인지를 더 공정하게 측정하고, 시각형 모델과 텍스트형 모델의 강점을 구분해 보여준다.