論文の概要: Hypergraph-based Multimodal Retrieval-Augmented Generation with Incremental Refinement
- arxiv url: http://arxiv.org/abs/2608.16628v1
- Date: Mon, 17 Aug 2026 14:30:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.745456
- Title: Hypergraph-based Multimodal Retrieval-Augmented Generation with Incremental Refinement
- Title（参考訳）: インクリメンタルリファインメントを用いたハイパーグラフに基づくマルチモーダル検索生成
- Abstract要約: Hyper-M2RAGは,高次ハイパー表現学習によるマルチモーダル文書検索を再定義する新しいフレームワークである。
物理的冗長性に起因する意味的断片化を軽減するために,アンカー駆動インクリメンタルリファインメント機構を導入する。
このメカニズムは境界交差型アンカーノードを特定し、ワンホップ近傍コンテキストを用いて局所的ハイパートポロジーを再構築する。
- 参考スコア（独自算出の注目度）: 19.099989510112604
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern Multimodal Retrieval-Augmented Generation (M-RAG) systems are fundamentally limited by the binary connectivity paradigm of traditional simple graphs, which fails to capture the intricate, high-order correlations among heterogeneous entities, such as the N-ary relationships between a visual chart, its scattered textual descriptions, and underlying numerical data. Furthermore, existing refinement strategies often rely on exhaustive, full-page reconstruction to align cross-modal information, leading to prohibitive computational redundancy and the introduction of contextual noise in long-form document processing. In this paper, we propose Hyper-M2RAG, a novel framework that redefines multimodal document retrieval through High-order Hypergraph Representation Learning. We first formalize the document structure as a Multimodal Hypergraph, utilizing hyperedges as unified semantic containers to encapsulate multi-way associations across text, images, and tables, thereby transcending point-to-point modeling. To mitigate semantic fragmentation caused by physical pagination, we introduce an Anchor-driven Incremental Refinement mechanism. Rather than performing a global sweep, our approach identifies boundary-crossing anchor nodes and reconstructs their local hyper-topology using one-hop neighborhood contexts. This targeted refinement effectively bridges cross-page knowledge gaps with minimal computational footprints. Extensive evaluations on multimodal benchmarking datasets demonstrate that Hyper-M2RAG significantly outperforms state-of-the-art methods in both retrieval precision and generation coherence. Our code is available at https://github.com/ShenAoChen2001/MMHRAG.
- Abstract（参考訳）: 現代のM-RAG(Multimodal Retrieval-Augmented Generation)システムは、従来の単純なグラフのバイナリ接続パラダイムによって基本的に制限されている。
さらに、既存の洗練戦略は、クロスモーダルな情報を整列するために、徹底的な全ページ再構築に依存しており、長文文書処理における計算冗長性の禁止と文脈ノイズの導入につながっている。
本稿では,高次ハイパーグラフ表現学習によるマルチモーダル文書検索を再定義する新しいフレームワークであるHyper-M2RAGを提案する。
まず,文書構造をマルチモーダルハイパーグラフとして形式化し,ハイパーエッジを統一的なセマンティックコンテナとして利用し,テキスト,画像,テーブル間のマルチウェイ関連性をカプセル化し,ポイント・ツー・ポイント・モデリングを超越する。
物理的ページネーションによる意味的断片化を軽減するために,アンカー駆動のインクリメンタルリファインメント機構を導入する。
本手法は,グローバルスイープを行うのではなく,境界交差型アンカーノードを特定し,ワンホップ近傍コンテキストを用いて局所的ハイパートポロジーを再構築する。
この目的の洗練は、最小の計算フットプリントでページ間の知識ギャップを効果的に橋渡しする。
マルチモーダルベンチマークデータセットの大規模な評価は、Hyper-M2RAGが検索精度と生成コヒーレンスの両方において最先端の手法を大幅に上回っていることを示している。
私たちのコードはhttps://github.com/ShenAoChen2001/MMHRAG.comで公開されています。
関連論文リスト
- DualG-MRAG: Decoupling Macro-Reasoning and Micro-Matching for Multimodal Retrieval-Augmented Generation [23.80343378702536]
MM-RAG(Multimodal Retrieval-Augmented Generation)は有望な結果を示したが、それでも複雑なマルチホップ推論タスクに苦慮している。
マルチモーダルRAGのためのマクロ推論とマイクロマッチンググラフからなる分離アーキテクチャを導入するデュアル層フレームワークであるDualG-MRAGを提案する。
論文 参考訳（メタデータ） (2026-07-30T17:40:05Z) - Empowering Cross-Domain Sequential Recommendation with Hybrid Tokenization and Serial-Parallel Decoding [63.74998371740272]
クロスドメインシーケンシャルレコメンデーション(CDSR)は、ユーザの動的関心遷移と複数のドメインにわたるシーケンシャルパターンをモデル化することを目的としている。
我々は,CDSRの効率的かつ効率的な生成フレームワークであるGenCDSRを提案する。
我々は、GenCDSRが、最先端のベースラインと比較して平均精度を1.5パーセント向上し、平均推論遅延を85.1%削減したことを示す。
論文 参考訳（メタデータ） (2026-07-21T08:01:15Z) - MM-BizRAG: Rethinking Multimodal Retrieval-Augmented Generation for General Purpose Enterprise Q&A [13.040489131301081]
MM-BizRAGは文書構造認識スプリットを介して文書構造を積極的に抽出し、表現する。
MM-BizRAGは、最先端のビジョン中心のベースラインを最大32%上回っている。
論文 参考訳（メタデータ） (2026-06-02T21:31:47Z) - Hypergraph as Language [49.35033483821496]
大規模言語モデルのためのハイパーグラフネイティブアライメントフレームワークを提案する。
ハイパーグラフ構造の場合、既存のメソッドは複数のオブジェクトが同じ高次関係で結合されているというネイティブセマンティクスを保存するのに失敗することが多い。
また,Hyper-Alignはドメイン内およびゼロショット評価において,既存手法よりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2026-05-21T01:09:48Z) - Robust Multimodal Recommendation via Graph Retrieval-Enhanced Modality Completion [71.20734649881258]
実世界のマルチモーダルデータセットは、センサーの故障、アノテーションの不足、プライバシーの制約によって、しばしばモダリティの不完全性に悩まされる。
効果的な解決策の1つはモダリティ補完であり、下流タスクのためのモダリティ完全グラフを提供するために欠落した特徴を再構成する。
本稿では,これらの制限を克服するグラフ検索拡張モード補完フレームワークであるGRE-MCを提案する。
論文 参考訳（メタデータ） (2026-05-01T13:50:52Z) - MetaHGNIE: Meta-Path Induced Hypergraph Contrastive Learning in Heterogeneous Knowledge Graphs [16.36978652807043]
本稿ではメタパスによるハイパーグラフ学習フレームワークであるMetaHGNIEを提案する。
本結果は,異種知識グラフにおける高次相互作用と相互アライメントを明示的にモデル化することの有効性を強調した。
論文 参考訳（メタデータ） (2025-12-13T22:21:33Z) - Cog-RAG: Cognitive-Inspired Dual-Hypergraph with Theme Alignment Retrieval-Augmented Generation [43.737415090081555]
本稿では,テーマ・アライン・デュアルハイパグラフRAGフレームワークを提案する。テーマ・アライン・デュアルハイパグラフ(Cog-RAG)は,テーマ・ハイパーグラフを用いて,チャンク間セマンティック構造とエンティティ・ハイパーグラフをキャプチャし,高階意味関係をモデル化する。
実験の結果,Cog-RAGは既存の最先端のベースラインアプローチを著しく上回っていることがわかった。
論文 参考訳（メタデータ） (2025-11-17T10:10:33Z) - Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
文書理解は、財務分析から科学的発見への応用に不可欠である。
現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。
Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
論文 参考訳（メタデータ） (2025-10-17T02:33:16Z) - Cross-Granularity Hypergraph Retrieval-Augmented Generation for Multi-hop Question Answering [49.43814054718318]
マルチホップ質問応答 (MHQA) は、正しい回答を得るために複数の経路に散在する知識を統合する必要がある。
従来の検索拡張生成法(RAG)は主に粗い粒度のテキスト意味的類似性に焦点を当てている。
本稿では,HGRAG for MHQAという新しいRAG手法を提案する。
論文 参考訳（メタデータ） (2025-08-15T06:36:13Z) - Hypergraph Transformer for Semi-Supervised Classification [50.92027313775934]
我々は新しいハイパーグラフ学習フレームワークHyperGraph Transformer(HyperGT)を提案する。
HyperGTはTransformerベースのニューラルネットワークアーキテクチャを使用して、すべてのノードとハイパーエッジのグローバル相関を効果的に検討する。
局所接続パターンを保ちながら、グローバルな相互作用を効果的に組み込むことで、包括的なハイパーグラフ表現学習を実現する。
論文 参考訳（メタデータ） (2023-12-18T17:50:52Z) - Hypergraph Neural Networks through the Lens of Message Passing: A Common Perspective to Homophily and Architecture Design [6.993718963663415]
メッセージ・パッシング・スキームに基づく高階ネットワークにおけるホモフィリーの新たな概念化を提案する。
我々は、HNN内の高次構造を処理するための自然で、ほとんど探索されていない戦略について検討する。
論文 参考訳（メタデータ） (2023-10-11T17:35:20Z)
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。