文書画像質問応答のための訓練不要な適応型ページ検索手法「ViSAR」
arXiv cs.AI ・ 2026-09-02
原題: ViSAR: Training-Free Adaptive-$k$ Retrieval for Visual Document Question Answering
AI による要約
文書画像質問応答（DocVQA）におけるRAGのレイテンシー削減と精度向上のため、訓練不要の適応型ページ検索手法「ViSAR」を提案した。埋め込み空間上でクエリに応じたページレベルの類似度行列を直接構築し、取得するページ数を動的に決定する。複数のエンコーダーおよび大規模視覚言語モデルにおいて、コンパクトかつクエリに適したページセットの取得を実現した。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv cs.AI）をご確認ください。