멀티모달 감성 분석

Hugging Face로 배우는 멀티모달 모델

James Chapman

Curriculum Manager, DataCamp

비전-언어 모델(VLM)

일반적인 비전-언어 모델 아키텍처 다이어그램

이미지와 텍스트를 별도 인코딩
특징 융합
공유 표현 생성
- 하나의 모델로 여러 태스크

시각적 추론 태스크

VQA: 이미지 + 질문 → 이미지 내용에 대한 직접 답변

핫도그 이미지를 활용한 시각적 질의응답

¹ https://arxiv.org/pdf/1505.00468

시각적 추론 태스크

VQA: 이미지 + 질문 → 이미지 내용에 대한 직접 답변
매칭: 이미지 + 진술문 → 참/거짓 판정

핫도그와 관련 진술문을 사용한 매칭 예시

시각적 추론 태스크

VQA: 이미지 + 질문 → 이미지 내용에 대한 직접 답변
매칭: 이미지 + 진술문 → 참/거짓 판정
함의: 이미지 + 대비되는 텍스트 → 의미 관계 확인

핫도그 이미지와 함의/중립/모순 가설을 사용하는 함의 예시

사용 사례: 주가 영향

from datasets import load_dataset
dset = "RealTimeData/bbc_news_alltime"
dataset = load_dataset(dset, '2017-01', 
                       split="train")


image = dataset[87]["top_image"]
content = dataset[87]["content"]
print(content)

'Ford\'s decision to cancel a $1.6bn 
investment in Mexico and 
invest an extra $700m in Michigan ...

자동차 생산 투자 관련 뉴스 기사 이미지

Qwen 2 VLMs

from transformers import Qwen2VLForConditionalGeneration
from qwen_vl_utils import process_vision_info


vl_model = Qwen2VLForConditionalGeneration.from_pretrained(
    "Qwen/Qwen2-VL-2B-Instruct", device_map="auto", torch_dtype="auto"
)

전처리기

from transformers import Qwen2VLProcessor

min_pixels = 224 * 224
max_pixels = 448 * 448
vl_model_processor = Qwen2VLProcessor.from_pretrained(
    "Qwen/Qwen2-VL-2B-Instruct", min_pixels=min_pixels, max_pixels=max_pixels
)

멀티모달 프롬프트

text_query = f"Is the sentiment of the following content good or bad for the Ford share price:
{article_text}. Provide reasoning."


chat_template = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": article_image},
            {"type": "text", "text": text_query}
        ]
    }
]

VLM 분류

text = vl_model_processor.apply_chat_template(chat_template, tokenize=False,
                                              add_generation_prompt=True)

image_inputs, _ = process_vision_info(chat_template)


inputs = vl_model_processor(text=[text], images=image_inputs, padding=True,
                            return_tensors="pt")


generated_ids = vl_model.generate(**inputs, max_new_tokens=500)

generated_ids_trimmed = [out_ids[len(in_ids) :] for in_ids, out_ids\
                         in zip(inputs.input_ids, generated_ids)]

VLM 분류

output_text = vl_model_processor.batch_decode(
    generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output_text[0])

The sentiment of the provided text is negative. The author is expressing concern and
skepticism ...

연습해 봅시다!

Hugging Face로 배우는 멀티모달 모델