프롬프트 튜닝을 통한 시각-언어 모델 기반 군용 객체 제로샷 탐지 성능 향상 연구
Enhancing Zero-shot Detection of Military Object using Vision-Language Models via Prompt Tuning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 군용 객체 이미지에 대한 제로샷 객체 탐지 성능을 향상시키기 위한 기법을 제안한다. Roboflow Russian-military 데이터를 세 가지 클래스로 재구성해 Common Objects in Context(COCO) 형식의 Ground Truth(GT)를 구축하고, 전통적Open-Vocabulary Detection(OVD) 모델과 Vision-Language Model(VLM) 모델의 성능을 비교하며 프롬프트 튜닝의 효과를분석한다. Qwen-VL의 Soft/Medium/Hard 프롬프트는 각각 33.3%, 42.7%, 46.8% mAP로 단계적 성능 향상을 보였다. 이 결과는 VLM 기반 제로샷 탐지에서 프롬프트의 구체성과 엄격성이 검출 정확도에 결정적임을 입증한다.
Abstract
This paper proposes a technique to enhance zero-shot object detection performance on military imagery. We restructured the Roboflow Russian-military dataset into three COCO-formatted classes and compared conventional OVD models with VLMs, analyzing the impact of prompt tuning. While Qwen-VL’s Soft, Medium, and Hard prompts yielded 33.3 %, 42.7 %, and 46.8 % mAP, respectively. These findings demonstrate that prompt specificity and strictness are critical determinants of detection accuracy in VLM-based zero-shot detection