中間を見よ：スケーラブルなVisual RAGインデクシングのための構造的アンカープルーニング

要約

近年の視覚言語モデルは高精度な画像文書検索（VDR）を実現しましたが、インデックスサイズが巨大になる問題があります。本研究では、追加学習なしでインデックスサイズを90%以上削減可能な「Structural Anchor Pruning (SAP)」を提案しました。中間層から重要な視覚パッチを特定することで、高い検索精度を維持しつつ大幅な圧縮を実現します。

全文は有料プランで閲覧できます。