프롬프트 튜닝을 통한 시각-언어 모델 기반 군용 객체 제로샷 탐지 성능 향상 연구

국문 초록 (Abstract)

본 논문은 군용 객체 이미지에 대한 제로샷 객체 탐지 성능을 향상시키기 위한 기법을 제안한다. 전통적 Open-Vocabulary Detection(OVD) 모델과 Vision-Language Model(VLM)을 비교하고 특히 프롬프트 튜닝이 탐지 성능에 미치는 영향을 실험적으로 분석하였다. Roboflow Russian-military 데이터셋을 COCO 형식 GT로 재구성하여 평가한 결과 Grounding DINO가 OVD 계열 모델 중 mAP 30.4%로 가장 우수한 성능을 보였으며, VLM 계열 모델인 Qwen2.5-VL-7B에 3단계 프롬프트 튜닝을 적용한 조건에서 Soft는 mAP 33.3%, Medium은 mAP 42.7%, Hard는 mAP 46.8%로 단계적으로 성능이 향상하는 경향을 나타냈다. 이러한 결과는 VLM 기반 제로샷 탐지에서 프롬프트의 구체성과 엄격성이 검출 정확도에 결정적 요소임을 실증하며 군용 객체와 같은 특수 도메인에의 적용 가능성과 확장성을 제시한다.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. 관련 연구
• 3. 제안 기법
• 4. 실험 결과
• 5. 결론
• 7. 참고 문헌