論文の概要: STLQ: Spatio-Topological Linkage Quantization for Approximate Nearest Neighbor Search

• arxiv url: http://arxiv.org/abs/2610.23931v1
• Date: Wed, 07 Oct 2026 09:13:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 15:29:41.222893
• Title: STLQ: Spatio-Topological Linkage Quantization for Approximate Nearest Neighbor Search
• Title（参考訳）: STLQ: 近似近傍探索のための時空間リンク量子化
• Abstract要約: マルチコードブック量子化(MCQ)は、データベースベクトルをコンパクトコードで表現する実用的なパラダイムである。 STLQ(Spatio-Topological Quantization)は,各IVFクラスタを,コンパクトな符号とスケーリング係数を持つ有向フォレストとして構成するトポロジカル浅層MCQ法である。
• 参考スコア（独自算出の注目度）: 18.67582387561124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vector quantization is widely used for large-scale data compression and approximate nearest neighbor search (ANNS). Multi-codebook quantization (MCQ) is a practical paradigm that represents database vectors with compact codes and supports efficient retrieval through asymmetric distance computation (ADC). However, existing shallow MCQs encode vectors independently within each inverted file (IVF) cluster, without exploiting local references. Therefore, we propose Spatio-Topological Linkage Quantization (STLQ), a topological shallow MCQ method that organizes each IVF cluster as a directed-forest with compact codes and scaling coefficients. Its basic encoding phase first quantizes vectors independently, while the linked encoding phase re-encodes relative residuals with respect to selected reconstructed parents, reusing local reconstruction information to obtain finer representations. The corresponding linked-ADC preserves linear scanning complexity. STLQ further compresses the scaling coefficients and directed-forest structure to control the additional topology overhead. Extensive experiments show that STLQ achieves higher recall than the evaluated shallow MCQs at comparable bit budgets, although at a higher offline construction cost. Meanwhile, it has a competitive recall-QPS tradeoff against deep MCQs. The code is available at https://github.com/ighxiy/STLQ.
• Abstract（参考訳）: ベクトル量子化は大規模データ圧縮や近接探索(ANNS)に広く用いられている。 マルチコードブック量子化(MCQ)は、データベースベクトルをコンパクトコードで表現し、非対称距離計算(ADC)による効率的な検索を支援する実用的なパラダイムである。 しかし、既存の浅層MCQは、各逆ファイル(IVF)クラスタ内で、ローカル参照を使わずに、ベクターを独立してエンコードする。 そこで我々は,各IVFクラスタを,コンパクトな符号とスケーリング係数を持つ有向フォレストとして整理する,位相的浅層MCQ法であるSTLQを提案する。 その基本符号化フェーズは、ベクトルを独立に定量化し、連結符号化フェーズは、選択された再構成された両親に対する相対的残差を再符号化し、局所的な再構成情報を再利用してより微細な表現を得る。 対応するリンクADCは線形走査複雑性を保持する。 STLQはさらにスケーリング係数と方向性フォレスト構造を圧縮し、追加のトポロジーオーバーヘッドを制御する。 大規模な実験により、STLQは、オフライン構築コストが高いにもかかわらず、同等のビット予算で評価された浅いMCQよりも高いリコールを達成することが示された。 一方、深層MCQと競合するリコールとQPSのトレードオフがある。 コードはhttps://github.com/ighxiy/STLQ.comで公開されている。

関連論文リスト

• No More K-means: Single-Stage Sparse Coding for Efficient Multi-Vector Retrieval [51.43543998583709]
  SSR(Single-stage Sparse Retrieval)は、高価なクラスタリングを効率的なスパースコーディングに置き換えるパラダイムシフトである。 ColBERTv2と比較してインデックス処理時間を15倍短縮し、検索レイテンシを半減させ、同時に検索性能を向上させる。
  論文  参考訳（メタデータ） (2026-05-28T15:53:34Z)
• Toward Generative Quantum Utility via Correlation-Complexity Map [10.037801594045519]
  実世界のデータ分布がIQP型量子生成モデルと構造的に一致しているかどうかを決定する相関複雑度マップ。 i) 相互作用順序で集約されたデータセットの相関次数(Walsh-Hadamard/Fourier)パワースペクトルから算出された量子相関類似度指数 (QCLI) と、(ii) 最適なChow-Liuツリーによって取得されていない相関の分数として定義される古典相関複雑度指数 (CCI) の2つの相補的な指標によって特徴づけられる。
  論文  参考訳（メタデータ） (2026-03-06T16:25:17Z)
• SAQ: Pushing the Limits of Vector Quantization through Code Adjustment and Dimension Segmentation [13.282924439395204]
  近似Nearest Neighbor Search (ANNS) は、検索エンジン、レコメンダシステム、LLMのためのRAGなどのアプリケーションにおいて重要な役割を果たす。 ベクトル量子化(VQ)は、一般に空間オーバーヘッドを減らし、距離計算を加速するために用いられる。 符号化効率と量子化精度のバランスをとるために,SAQと呼ばれる新しいVQ手法を提案する。 拡張RabitQと比較して,SAQは最大80%の量子化誤差を低減し,符号化速度を80倍以上に高速化することを示す。
  論文  参考訳（メタデータ） (2025-09-15T16:14:05Z)
• Qinco2: Vector Compression and Search with Improved Implicit Neural Codebooks [23.598010051403225]
  QINCo2は,BigANNの16バイトベクトル圧縮では34%,Deep1Mでは8バイトエンコーディングでは24%の検索精度向上を実現している。 ベクトル圧縮のためのQINCo2と、数十億近い近接探索のための4つのデータセットの実験を行った。
  論文  参考訳（メタデータ） (2025-01-06T15:20:22Z)
• Scalable Multivariate Fronthaul Quantization for Cell-Free Massive MIMO [36.0373787740205]
  この研究は、PCベースのセルフリーMIMOシステムのためのスケーラブルなMQ戦略を設計することを目的としている。 低フロントホール容量のシステムでは,アルファパラレルMQ (アルファ-PMQ) が成立し,その複雑性は各RUに対してのみ指数関数的に表される。 ハイフロントのキャパシティ・レシエーションのために、我々は、ニューラルネットワークベースのデコーダのための勾配ベースの更新でMQの網羅的なサーチを置き換える、Neural MQを導入する。
  論文  参考訳（メタデータ） (2024-08-26T12:56:41Z)
• Soft Convex Quantization: Revisiting Vector Quantization with Convex Optimization [40.1651740183975]
  ベクトル量子化(VQ)の直接代用として,ソフト凸量子化(SCQ)を提案する。 SCQは微分凸最適化(DCO)層のように機能する。 CIFAR-10, GTSRB, LSUNデータセット上での有効性を示す。
  論文  参考訳（メタデータ） (2023-10-04T17:45:14Z)
• Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [41.99844472131922]
  ノイズ観測から元の信号を復号することは、ほぼすべてのHMMデータ解析における主要な目標の1つである。 QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATS, QATSについて述べる。 QATSの実装はGitHubのRパッケージQATSにある。
  論文  参考訳（メタデータ） (2023-05-29T19:37:48Z)
• Factorizers for Distributed Sparse Block Codes [45.29870215671697]
  分散ブロック符号(SBC)を高速かつ高精度に分解する手法を提案する。 我々の反復分解器は、しきい値に基づく非線形活性化、条件付きランダムサンプリング、および $ell_infty$-based similarity metricを導入している。 CIFAR-100, ImageNet-1K, RAVENデータセット上での4つの深層CNNアーキテクチャの実現可能性を示す。
  論文  参考訳（メタデータ） (2023-03-24T12:31:48Z)
• Efficient Nearest Neighbor Search for Cross-Encoder Models using Matrix Factorization [60.91600465922932]
  本稿では,クロスエンコーダのみに頼って,二重エンコーダによる検索を回避する手法を提案する。 我々のアプローチは、現在の広く使われている方法よりも優れたテスト時間リコール-vs計算コストトレードオフを提供する。
  論文  参考訳（メタデータ） (2022-10-23T00:32:04Z)

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。