P0 Prompt-only Improvements

Graph_VLM — Graph Quality v3→v4 Analysis

260406-260412 · −47% object nodes via 4 prompt rules

Object Δ−47%

Celery Δ−82%

Code Δ0

Rules4

Versionv3→v4

문제 정의

v3 그래프 결과에서 object 노드가 74개로 부풀려져 있고, 그 중 상당수가 (1) 사람 부위 분할, (2) generic ID, (3) 같은 물체의 상태 변화, (4) noise (water/wall) 등 4가지 카테고리의 노이즈였다. 코드 변경 없이 PHASE1 프롬프트만 수정해 v4로 어디까지 줄일 수 있는지 측정하는 것이 이번 분석의 목표.

실험 설정

항목	v3	v4
VLM	Gemini 2.5 Flash	Gemini 2.5 Flash
입력 영상	P01_01 5~6분 구간	동일
Phase 1 frame interval	2초	2초
코드 변경	—	0건
프롬프트 변경	baseline	4가지 P0 규칙 추가

P0 규칙 (v4에서 추가)

"For egocentric video: only track 'left_hand' and 'right_hand' as person objects."
"Never use generic IDs like object_0, object_1. Use descriptive names."
"Do NOT include: water/running water, walls, floors, shoes/clothing."
"Use the BASE name for objects regardless of their state. Describe the state in the description field instead."

정량 결과

지표	v3	v4	Δ (절대)	Δ (%)
Object 노드	74	39	−35	−47%
Person 계열	13	5	−8	−62%
Generic ID	3	0	−3	−100%
Noise (water/wall/shoes)	4	1	−3	−75%
Celery 계열	11	2	−9	−82%
Action 노드	14	10	−4	−29%
Washing 과분할	6	1	−5	해결
Spatial edges	248	192	−56	−23%

v4 Object 39개 분류

사람 (5): right_hand, left_hand (의도대로) + person, hands, person_viewer (잔존)
식재료 (5): celery, celery_package, carrot, vegetables, olive_oil_bottle
싱크대 (7): sink, faucet, sponge, dish_soap, soap_dispenser, dish_drying_rack, water
조리대 (7): cutting_board, chopping_board (중복), knife, grater, countertop, wooden_countertop (중복), spice_rack
스토브 (3): pan, spatula, stove
냉장고 (4): refrigerator, fridge, large_fridge (3개 중복), freezer
기타 (8): watch, compost_bin, bin, spice_jars, croutons_box, food_packaging, hand_soap_bottle, peelable_item, picture_frame

관찰 & 해석

1. Celery 통합이 가장 큰 효과 (−82%)

v3에서는 같은 셀러리가 형태/상태별로 11개 노드 (celery_stalks, celery, celery_stalk, chopped_celery, cut_celery_pieces, celery_chopped, celery_bag, celery_bunch 등)로 분할되었다. v4의 "BASE name + state in description" 규칙으로 단 2개 (celery, celery_package)로 통합. 가장 큰 단일 효과 — 다른 식재료(leek, carrot)에도 같은 효과 기대.

2. Generic ID 차단은 100% 효과

"Never use generic IDs" 규칙으로 object_0/1/2 패턴이 완전 제거. 가장 명확한 규칙이 가장 잘 지켜짐.

3. VLM 규칙 준수가 100%는 아님

person/hands/water가 일부 잔존 (각 1~3개씩). 명확한 exclusion 규칙임에도 VLM은 가끔 "사람을 무시할 수는 없음"으로 판단하는 듯. 후처리 정규화 (P1)가 P0를 100% 대체할 수 없음이 정량적으로 확인됨.

4. cutting_board / chopping_board 동의어는 P0로 안 풀림

둘 다 정상적인 영어 표현이라 VLM이 한쪽으로 통일하지 않음. Entity resolution이 P1 코드 작업으로 필요. fridge / refrigerator / large_fridge도 동일.

5. Action 과분할 (washing) 해결

v3에서 washing이 5개로 쪼개졌던 것이 v4에서는 1개로 통합. PHASE1에 "action_summary must use exactly ONE canonical verb in -ing form"을 추가한 효과.

Strengths & Limitations of this analysis

Strengths

같은 입력 영상, 같은 VLM, 같은 frame interval — 변수가 프롬프트뿐.
각 카테고리별 정량 비교가 가능해서 어느 규칙이 어느 부분에 효과를 냈는지 분리 가능.

Limitations

단일 영상(P01_01 5~6분)에서만 측정. 다른 도메인(요리 외)에서의 일반성 미검증.
Entity resolution 효과는 측정되지 않음 (P1 작업이라 v4에 포함 안 됨).
Phase 2 JSON 잘림 문제는 별도 — v3/v4 동일.

Implications & Next

의미: "코드 0줄 변경 + 프롬프트 4 규칙 추가 = −47% 노이즈"는 이후 모든 그래프 작업에서 P0(프롬프트) 작업을 P1(코드)보다 먼저 시도해야 한다는 강력한 신호다. 추가 P0 작업 가능 여부도 확인해야 한다.

Entity resolution (P1) 구현 후 v5 측정 — 39 → ~30 예상.
Phase 2 (action triplet)에도 동일한 P0 규칙 적용 — 현재는 Phase 1만 v4 적용.
다른 영상(요리 외)에서 v4 적용 일반성 검증.