Implementation of a Real-Time Video Captioning System based on Scene Graphs and Templates for Construction Safety Monitoring
기존 대규모 비전-언어 모델(VLM)과 트랜스포머 기반 비디오 캡셔닝 모델은 높은 성능을 보이지만, 해석 가능성 부족, 환각, 지연 등으로 산업현장 적용에 문제가 있다. 이러한 한계를 극복하기 위해 본 논문에서는 제안하는 캡셔닝 방법은 규칙 및 템플릿 기반의 투명한 추론 경로를 도입하여 모델을 경량화하고, 전 과정(검출 – 장면 그래프 생성 - 템플릿 선택 - 캡셔닝)의 로깅을 통해 설명 가능성과 사후 검증 기능을 보장한다.
Authors
- Seokil Song (ORCID: https://orcid.org/0000-0002-0110-7155)
- Dae-Sik Ko (ORCID: https://orcid.org/0000-0002-6232-476X)
- Seok‐Hee Lee (ORCID: https://orcid.org/0000-0001-7382-9563)
Publication Details
- Journal
- The Journal of Korean Institute of Information Technology
- Published
- 2025-11-30
- DOI
- https://doi.org/10.14801/jkiit.2025.23.11.279
- Primary Topic
- Multimodal Machine Learning Applications
- Type
- article
- Field-Weighted Citation Impact
- 0.00