Reviso: 비디오 캡셔닝에서 모든 시각적 증거에 같은 주의를 기울일 필요는 없다

Reviso는 계층적 계획과 능동적 지각을 통해 중요한 시각적 증거를 우선시하는 에이전트형 비디오 캡셔닝 프레임워크다. 4개의 비디오 캡셔닝 벤치마크에서 평가 대상이 된 오픈소스 베이스라인을 능가했으며, 생성된 캡션은 다운스트림 비디오 질의응답을 더 잘 뒷받침했다. 학습에는 GRPO를 사용했고, 핵심 사실 보상, 계획 정합 보상(PAR), 비생산적 도구 호출 페널티(UTCP)를 결합했다.