이미지 크롭의 목표는 이미지에서 시각적으로 매력적인 크롭을 식별하는 것이다. 기존 방법들은 특정 데이터셋에 대해 학습되며, 새로운 요구사항에 적응하지 못한다. 최근의 대규모 비전-언어 모델(VLM)에서의 혁신은 명시적 훈련 없이도 시각적 맥락 내 학습을 가능하게 한다. 그러나 VLM을 활용한 하류 작업은 아직 충분히 탐구되지 않았다. 본 논문에서는 이미지 크롭을 위해 VLM을 활용하는 효과적인 접근법을 제안한다. 첫째, 이미지 크롭을 위한 효율적인 프롬프트 검색 메커니즘을 제안하여, 맥락 내 예시의 선택을 자동화한다. 둘째, 예측된 크롭을 반복적으로 향상시키기 위한 반복적 정교화 전략을 도입한다. Cropper로 지칭하는 제안된 프레임워크는 자유형 크롭, 주체 인지 크롭, 화면비 인지 크롭을 포함하여 다양한 크롭 작업에 적용 가능하다. 광범위한 실험 결과, Cropper는 여러 벤치마크에서 최신 기법을 유의미하게 능가함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.