ViSAR: Training-Free Adaptive-$k$ Retrieval for Visual Document Question Answering
작성자
카테고리
Empty
저자
Adrien Mialland, Marc Plantevit, Julien Gallois, Celine Robardet
💡 개요
본 논문은 Document Visual Question Answering (DocVQA)에서 사용되는 기존의 고정된 상위 $k$개 문서 페이지 검색 방식의 문제점을 지적합니다. 이를 해결하기 위해, 훈련 없이 쿼리 복잡성에 따라 동적으로 검색할 페이지 수를 결정하는 ViSAR (Visual Semantic Activation Retrieval)라는 새로운 방법을 제안합니다. ViSAR는 임베딩 공간에서 쿼리 조건부 페이지 유사도 행렬을 생성하여 관련성 높은 페이지를 효율적으로 추출함으로써, 검색 지연 시간을 줄이고 답변 정확도를 유지하거나 향상시킵니다.
🔑 시사점 및 한계
•
DocVQA에서 쿼리 복잡성에 맞는 동적 페이지 검색은 RAG 시스템의 효율성과 정확도를 크게 향상시킬 수 있습니다.
•
ViSAR는 훈련 없이도 기존 고정 $k$ 방식 대비 검색 지연 시간을 최대 58.7%까지 줄이면서 정확도를 유지하거나 개선하는 성능을 보여줍니다.
•
유사도 행렬 구조가 답변 정확도와 상관관계를 가지는 것을 확인함으로써, 향후 검색 품질을 인지하는 문서 이해 연구 방향을 제시합니다.
•
제안된 방법론이 다양한 인코더 및 LVLM과 호환된다는 점은 긍정적이나, 복잡한 문서 구조나 특수한 쿼리 유형에 대한 추가적인 검증 및 일반화 성능에 대한 연구가 필요합니다.