AI 연구연구 프리프린트
긴 영상의 과거 정보를 모델 가중치에 저장, 스트리밍 기억 실험
원문 읽기 · arxiv.org ↗(새 탭에서 열림)MaLoW는 스트리밍 영상 AI가 지난 장면을 매번 다시 입력하는 대신 작은 가중치 갱신에 압축해 이어가도록 설계했다.
연구 방법
- 순환 하이퍼네트워크가 과거 영상 정보로 LoRA(모델의 일부만 추가 학습하는 방식) 가중치를 계속 만들고, 기본 시각언어모델에는 현재 구간만 입력한다. 학습에는 5만6천여 영상의 질의응답 38만1천 쌍을 구성했다.
평가 결과
- OVO-Bench의 과거 회상 분할에서 기반 모델 4종에 걸쳐 기존 기억 방식 대비 3.9~11.8% 개선을 보고했고, Simpler WidowX 시뮬레이션 작업 성공률도 9.3% 높았다고 했다. 다만 OVO 전체 표에서는 다른 방식이 더 높은 행도 있다.
적용 조건
- 실시간 영상은 실험에서 주로 초당 1프레임과 최대 768프레임 조건이다. 장시간 실제 로봇 환경에서의 내구성이나 전 모델·과제 우위는 입증되지 않았다. 비심사 프리프린트다.
함께 확인할 조건
- 실시간 영상은 실험에서 주로 초당 1프레임과 최대 768프레임 조건이다. 장시간 실제 로봇 환경에서의 내구성이나 전 모델·과제 우위는 입증되지 않았다. 비심사 프리프린트다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.