입력 텍스트 프롬프트와 출력 이미지와의 연관성 분석을 이용한 데이터 레이블링 및 테스트베드

Abstract

본 논문에서는 텍스트 기반 생성 모델을 사용하여 입력된 텍스트 프롬프트와 출력된 이미지 간의 연관성을 시각화를 통해 만들어진 데이터 셋의 유효성 검증을 목표로 한다. 이러한 시각화를 기반으로, 텍스트 프롬프트와 연관된 출력 이미지의 상관관계를 분석하여 적절한 레이블링을 진행함으로써 증강 데이터 세트를 생성한다. 생성된 증강 데이터 세트의 유효성을 검증하기 위해 다양한 task를 사용하여, 설정된 목표를 달성하는지를 평가한다. 이 과정에서, 입력 텍스트 프롬프트와 출력 이미지 사이의 상관관계를 정밀하게 분석하며, 이러한 분석을 통해 생성된 데이터가 데이터 고유의 정확성과 모델의 성능을 향상시키는 것을 목표로 한다. 이를 통해 증강 데이터 셋이 모델의 성능을 향상시킬 수 있는 효과적인 방법이며, 자동 레이블링과 데이터 증강 방법이 유효함을 보여주고자 한다.

In this paper, we aim to validate the efficacy of a dataset created through visualizing the correlation between input text prompts and output images using a text-based generative model. Based on this visualization, we analyze the correlation between the text prompts and the associated output images, and proceed with appropriate labeling to generate an augmented dataset. Various tasks are used to evaluate whether the set goals are achieved, in order to verify the validity of the generated augmented dataset. We precisely analyze the correlation between the input text prompts and the output images, aiming to enhance the inherent accuracy of the data and the performance of the model through this analysis. We demonstrate that the augmented dataset is an effective method to improve the model’s performance, and that automatic labeling and data augmentation methods are also valid.