합성 캡션과 이미지 임베딩을 활용한 비주얼-언어 모델 성능 향상

본 연구는 대규모 언어 모델과 이미지 생성 모델을 활용하여 효율적이고 효과적인 비주얼-언어 모델 학습을 위한 합성 이미지-텍스트 쌍을 생성하는 새로운 접근법을 제안한다.