論文の概要: Learning Filter-Aware Distance Metrics for Nearest Neighbor Search with Multiple Filters

• arxiv url: http://arxiv.org/abs/2511.04073v1
• Date: Thu, 06 Nov 2025 05:24:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.311929
• Title: Learning Filter-Aware Distance Metrics for Nearest Neighbor Search with Multiple Filters
• Title（参考訳）: 複数のフィルタを用いた最近傍探索のためのフィルタ対応距離メトリクスの学習
• Authors: Ananya Sutradhar, Suryansh Gupta, Ravishankar Krishnaswamy, Haiyang Xu, Aseem Rastogi, Gopal Srinivasa,
• Abstract要約: Filtered Approximate Nearest Neighbor (ANN) 検索は、データセットからクエリベクトルに最も近いベクトルを検索する。 既存のグラフベースの手法では、固定されたペナルティを割り当てることによってフィルタの認識を組み込むのが一般的である。 本稿では,ベクトル距離とフィルタマッチングの最適トレードオフをデータから直接学習する原理的手法を提案する。
• 参考スコア（独自算出の注目度）: 7.493563348124023
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Filtered Approximate Nearest Neighbor (ANN) search retrieves the closest vectors for a query vector from a dataset. It enforces that a specified set of discrete labels $S$ for the query must be included in the labels of each retrieved vector. Existing graph-based methods typically incorporate filter awareness by assigning fixed penalties or prioritizing nodes based on filter satisfaction. However, since these methods use fixed, data in- dependent penalties, they often fail to generalize across datasets with diverse label and vector distributions. In this work, we propose a principled alternative that learns the optimal trade-off between vector distance and filter match directly from the data, rather than relying on fixed penalties. We formulate this as a constrained linear optimization problem, deriving weights that better reflect the underlying filter distribution and more effectively address the filtered ANN search problem. These learned weights guide both the search process and index construction, leading to graph structures that more effectively capture the underlying filter distribution and filter semantics. Our experiments demonstrate that adapting the distance function to the data significantly im- proves accuracy by 5-10% over fixed-penalty methods, providing a more flexible and generalizable framework for the filtered ANN search problem.
• Abstract（参考訳）: Filtered Approximate Nearest Neighbor (ANN) 検索は、データセットからクエリベクトルに最も近いベクトルを検索する。 クエリの特定の離散ラベルのセット$S$は、検索されたベクターのラベルに含めなければならない。 既存のグラフベースの手法では、固定されたペナルティを割り当てたり、フィルタの満足度に基づいてノードを優先順位付けすることで、フィルタの認識を取り入れるのが一般的である。 しかしながら、これらの手法は固定されたデータイン依存の罰則を使用するため、ラベルやベクトル分布の異なるデータセットをまたいだ一般化に失敗することが多い。 本研究では,ベクトル距離とフィルタマッチングの最適トレードオフを,固定的な罰則に頼るのではなく,データから直接学習する原理的な方法を提案する。 我々はこれを制約付き線形最適化問題として定式化し、基礎となるフィルタ分布をよりよく反映し、フィルタされたANN探索問題に効果的に対処する重みを導出する。 これらの学習ウェイトは、検索プロセスとインデックス構築の両方をガイドし、基礎となるフィルタ分布とフィルタセマンティクスをより効果的にキャプチャするグラフ構造へと導かれる。 実験の結果,データへの距離関数の適応は固定費用法よりも5～10%精度が向上し,フィルタされたANN探索問題に対してより柔軟で一般化可能なフレームワークが提供されることがわかった。

関連論文リスト

• Attribute Filtering in Approximate Nearest Neighbor Search: An In-depth Experimental Study [18.5007917065799]
  本稿では,最新のアルゴリズムを包含した統合フィルタリングANN検索インタフェースを提案する。 まず,属性型とフィルタリング戦略に基づく既存のフィルタANNアルゴリズムの包括的分類法を提案する。 次に、4つのデータセットにまたがる10のアルゴリズムと12のメソッドについて、幅広い実験的評価を行う。
  論文  参考訳（メタデータ） (2025-08-22T09:54:57Z)
• Data Selection for Language Models via Importance Resampling [90.9263039747723]
  我々は、望まれるターゲット分布に合わせるために、大規模な未ラベルデータセットのサブセットを選択するという問題を形式化する。 我々は、LMデータ選択のために低次元で使用される古典的な重要度再サンプリング手法を拡張した。 DSIRフレームワークをhash n-gram機能でインスタンス化し、4.5時間で1億のドキュメントを選択できる。
  論文  参考訳（メタデータ） (2023-02-06T23:57:56Z)
• Sparse Regularized Correlation Filter for UAV Object Tracking with adaptive Contextual Learning and Keyfilter Selection [20.786475337107472]
  相関フィルタは無人航空機(UAV)の追跡に広く応用されている。 2つの固有の欠陥、すなわち境界効果とフィルタの破損のために脆弱である。 本稿では,適応型文脈学習とキーフィルタ選択を用いた新しい$ell_1$正規化相関フィルタを提案する。
  論文  参考訳（メタデータ） (2022-05-07T10:25:56Z)
• Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
  本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。 本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。 ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-09-20T06:07:14Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Equivalence of Correlation Filter and Convolution Filter in Visual Tracking [10.820122999766713]
  相関フィルタは視覚追跡にうまく適用されている。 畳み込みフィルタは通常、画像処理においてぼやけ、研削、エンボス、エッジ検出などに使用される。
  論文  参考訳（メタデータ） (2021-05-01T04:05:37Z)
• Data Agnostic Filter Gating for Efficient Deep Networks [72.4615632234314]
  現在のフィルタプルーニング法は主に特徴写像を利用してフィルタの重要なスコアを生成し、より小さなスコアのプルーンを生成する。 本稿では,Daggerモジュールと呼ばれる補助的ネットワークを用いてプルーニングを誘導するデータフィルタプルーニング手法を提案する。 さらに,特定のFLOP制約でプルーネフィルタを支援するために,明示的なFLOPを意識した正規化を活用して,プルーニングフィルタを直接対象のFLOPに向けて推進する。
  論文  参考訳（メタデータ） (2020-10-28T15:26:40Z)
• Dependency Aware Filter Pruning [74.69495455411987]
  重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。 以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。 所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
  論文  参考訳（メタデータ） (2020-05-06T07:41:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。