본 논문은 멀티모달 대규모 언어 모델 (MLLMs)의 지식 집약적 시각 질문 응답(VQA) 성능 향상을 목표로 한다. 기존의 단일 패스 검색 증강 생성(RAG) 방식의 한계를 극복하기 위해, 추론을 활용하여 검색을 개선하고 지식 합성을 통합하는 멀티모달 반복 RAG 프레임워크 (MI-RAG)를 제안한다. MI-RAG는 반복적인 과정을 통해, 모델이 다중 쿼리를 생성하여 다양한 지식을 검색하고, 이를 종합하여 이해를 심화시킨다. Encyclopedic VQA, InfoSeek, OK-VQA와 같은 벤치마크 실험을 통해, MI-RAG가 검색 정확도와 응답 정확도를 크게 향상시킴을 입증한다.
