論文の概要: VaRS-Doc: Interpretation-Aware Variant Representations via Latent Self-Probing for Visual Document Retrieval

• arxiv url: http://arxiv.org/abs/2608.01211v1
• Date: Sun, 02 Aug 2026 12:55:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.125661
• Title: VaRS-Doc: Interpretation-Aware Variant Representations via Latent Self-Probing for Visual Document Retrieval
• Title（参考訳）: VaRS-Doc:視覚文書検索のための潜時自己証明による解釈対応変数表現
• Abstract要約: 本稿では,文書表現の多様化を図るビジュアル文書検索フレームワークである VaRS-Doc を提案する。 VaRS-Docは、クエリに依存しないドキュメントエンコーディングとクエリ固有の検索ニーズのミスマッチに対する実用的な解決策を提供する。
• 参考スコア（独自算出の注目度）: 40.36520318905935
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Visual document retrieval has recently become increasingly important in applications such as enterprise search, scientific literature discovery, and retrieval-augmented generation. These applications depend on efficiently identifying query-relevant pages across large collections of visually rich documents. Existing methods commonly adopt late-interaction architectures that encode and index documents offline to enable scalable and low-latency online retrieval. Despite its efficiency, this paradigm requires each document to be encoded into a fixed representation before the query is known. However, the same content in a visual document may induce different interpretations depending on the query intent, which a fixed representation struggles to capture. Yet postponing document encoding until the query arrives would incur prohibitive online retrieval latency. To address this gap, we propose VaRS-Doc, a visual document retrieval framework that diversifies document representations by enabling the model to actively explore variant latent interpretations during document encoding, while preserving efficient late-interaction retrieval in which each query adaptively selects the best-fit representation. We further introduce a two-stage training strategy that encourages the model to capture complementary semantic interpretations and prevents it from falling back to train a single dominant representation. Experiments on visual document retrieval benchmarks show that VaRS-Doc achieves state-of-the-art retrieval performance, offering a practical solution to the mismatch between query-agnostic document encoding and query-specific retrieval needs. Code is available at https://github.com/bokufa/VaRS-Doc.
• Abstract（参考訳）: 近年, 企業検索, 科学文献発見, 検索強化生成などの応用において, ビジュアル文書検索がますます重要になっている。 これらのアプリケーションは、視覚的にリッチなドキュメントのコレクションにまたがるクエリ関連ページを効率的に識別することに依存する。 既存の手法では、文書をオフラインでエンコードしてインデックス化する遅延処理アーキテクチャを採用しており、スケーラブルで低レイテンシなオンライン検索を可能にしている。 その効率性にもかかわらず、このパラダイムでは、クエリが知られる前に各ドキュメントを固定表現にエンコードする必要がある。 しかし、ビジュアルドキュメント内の同じ内容は、固定表現がキャプチャーに苦労するクエリインテントによって異なる解釈を誘導する可能性がある。 しかし、クエリが到着するまでドキュメントのエンコーディングを延期すると、オンライン検索の遅延が禁止される。 このギャップに対処するために,各クエリが最適な表現を適応的に選択する効率的な遅延処理検索を保ちながら,文書エンコーディング中の可変潜時解釈を積極的に探索し,文書表現を多様化するビジュアル文書検索フレームワークである VaRS-Doc を提案する。 さらに、2段階のトレーニング戦略を導入し、モデルが補完的な意味論的解釈を捉えることを奨励し、1つの支配的な表現を訓練するのを防ぐ。 ビジュアル文書検索ベンチマークの実験により, VaRS-Doc は最先端の検索性能を達成し,クエリに依存しない文書エンコーディングとクエリ固有の検索ニーズのミスマッチに対する実用的な解決策を提供する。 コードはhttps://github.com/bokufa/VaRS-Docで入手できる。

関連論文リスト

• ConceptFormer: Learning Adaptive Latent Concepts for Query-Document Alignment in Visual Document Retrieval [62.80735412748694]
  ConceptFormerは、ビジュアル文書検索のための潜在概念表現学習フレームワークである。 クエリ関連エビデンスとは、局所化された視覚的エビデンスとセマンティックな関連性を明確に橋渡しする、連続的でクエリ条件付き潜在概念である。 平均的なNDCG@10では、最強のビジュアル検索ベースラインと最強のOCRベースのテキスト検索ベースラインに対して16.7%と22.1%の相対的な改善が達成されている。
  論文  参考訳（メタデータ） (2026-08-16T12:07:12Z)
• DocQAC: Adaptive Trie-Guided Decoding for Effective In-Document Query Auto-Completion [8.602282135498108]
  DocQACは、ユーザーがより高速で正確なクエリを作成できるようにすることで、長いドキュメント内の検索生産性を向上させることを目指している。 ユーザクエリプレフィックスを用いて,言語モデルをソフトに操り,高品質な補完を実現するための適応型トリエン誘導型デコーディングフレームワークを提案する。 提案手法は, ORCAS から派生した新しい DocQAC ベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-04-20T13:30:45Z)
• Doc-V*:Coarse-to-Fine Interactive Visual Reasoning for Multi-Page Document VQA [71.42483000929614]
  複数ページのドキュメント 視覚的質問回答は、長い、視覚的に密集したドキュメントにおける意味論、レイアウト、および視覚的要素の推論を必要とする。 我々は,多ページDocVQAをシーケンシャルエビデンスアグリゲーションとしてキャストするtextbfOCRフリーエージェントフレームワークであるDoc-$V*$を提案する。
  論文  参考訳（メタデータ） (2026-04-15T11:12:27Z)
• VDocRAG: Retrieval-Augmented Generation over Visually-Rich Documents [30.012487475552575]
  本稿では,新たなRAGフレームワークであるVDocRAGを導入し,様々な文書やモダリティを統一された画像形式で直接理解する。 また、OpenDocVQAは、オープンドメイン文書の視覚的質問応答データセットを統合化した最初のコレクションである。
  論文  参考訳（メタデータ） (2025-04-14T01:50:33Z)
• ColPali: Efficient Document Retrieval with Vision Language Models [15.369861972085136]
  我々は、複数のドメイン、言語、実用的な設定にまたがる様々なページレベルの検索タスクからなるVisual Document Retrieval Benchmark ViDoReを紹介する。 現代のシステムの本質的な複雑さと性能上の欠点は、ドキュメントページのイメージを直接埋め込むことで文書検索を行うという新しい概念を動機付けている。 文書ページの画像から高品質なマルチベクトル埋め込みを生成するために訓練されたビジョン言語モデルColPaliをリリースする。
  論文  参考訳（メタデータ） (2024-06-27T15:45:29Z)
• DAPR: A Benchmark on Document-Aware Passage Retrieval [57.45793782107218]
  我々は,このタスクemphDocument-Aware Passage Retrieval (DAPR)を提案する。 State-of-The-Art(SoTA)パスレトリバーのエラーを分析しながら、大きなエラー(53.5%)は文書コンテキストの欠如に起因する。 提案するベンチマークにより,検索システムの開発・比較を今後行うことができる。
  論文  参考訳（メタデータ） (2023-05-23T10:39:57Z)
• CAPSTONE: Curriculum Sampling for Dense Retrieval with Document Expansion [68.19934563919192]
  本稿では,学習中に擬似クエリを利用して,生成したクエリと実際のクエリとの関係を徐々に向上させるカリキュラムサンプリング戦略を提案する。 ドメイン内およびドメイン外両方のデータセットに対する実験結果から,本手法が従来の高密度検索モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2022-12-18T15:57:46Z)
• Learning Diverse Document Representations with Deep Query Interactions for Dense Retrieval [79.37614949970013]
  そこで本研究では,問合せの深い文書表現を学習する高密度検索モデルを提案する。 本モデルでは,各文書に生成した擬似クエリをエンコードして,クエリインフォームド・マルチビュー文書表現を得る。
  論文  参考訳（メタデータ） (2022-08-08T16:00:55Z)
• Multi-View Document Representation Learning for Open-Domain Dense Retrieval [87.11836738011007]
  本稿では,多視点文書表現学習フレームワークを提案する。 ドキュメントを表現し、異なるクエリに合わせるように強制するために、マルチビューの埋め込みを作成することを目的としている。 実験により,本手法は最近の成果より優れ,最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-03-16T03:36:38Z)
• Improving Query Representations for Dense Retrieval with Pseudo Relevance Feedback [29.719150565643965]
  本稿では,疑似関連性フィードバック(PRF)を用いて高密度検索のためのクエリ表現を改善する新しいクエリエンコーダであるANCE-PRFを提案する。 ANCE-PRF は BERT エンコーダを使用し、検索モデルである ANCE からクエリとトップ検索されたドキュメントを消費し、関連ラベルから直接クエリの埋め込みを生成する。 PRFエンコーダは、学習された注意機構でノイズを無視しながら、PRF文書から関連および補完的な情報を効果的にキャプチャする。
  論文  参考訳（メタデータ） (2021-08-30T18:10:26Z)

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。