VLM API 기반 Scene Graph 파이프라인 실험 기록 -- EPIC-KITCHENS P01_01
4Experiments
~110API Calls
$0.12Total Cost
47%Duplication Reduction
Overview
이 프로젝트는 GPU 학습 대신 Gemini VLM API를 사용하여 비디오에서 Scene Graph를 구축한다.
EPIC-KITCHENS P01_01 영상에 대해 반복적으로 파이프라인을 개선하며,
VLM description, entity resolution, prompt optimization 등의 실험을 수행했다.
SLURM 작업 없이 API 호출만으로 진행되므로, 비용과 응답 품질이 핵심 지표다.
Experiment Timeline
Mar 24
Exp 1: VLM Description Test
10s clip, Strategy B (direct JSON) 검증
Apr 1
Exp 2: 1-Minute Full Pipeline
60s clip 스케일링, entity duplication 발견
Apr 1
Exp 3: Camera-Aware Entity Resolution
EPIC-Fields 카메라 파라미터 활용 시도
Apr 6
Exp 4: Prompt Optimization v4
프롬프트 규칙으로 47% 중복 감소 달성
Experiment Details
Exp 1: VLM Description Test
APIMar 24
Hypothesis
Gemini 2.5 Flash가 별도 파싱 없이 직접 structured JSON triplet을 출력할 수 있다.