Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Panorama: Fast-Track Nearest Neighbors

Created by
  • Haebom

作者

Vansh Ramani, Alexis Schlomer, Akash Nayar, Panagiotis Karras, Sayan Ranu, Jignesh M. Patel

PANORAMA: データ適応学習ベースのANNS検証ボトルネック解決

概要

PANORAMAは、高次元空間内の特定のクエリに近いデータを効率的に見つけるアプロキシメイト近隣近隣検索(ANNS)の検証ボトルネックを解決するために提案された機械学習ベースのアプローチです。データ適応学習を使用して直交変換を学習し、距離境界の累積的な改善を容易にします。これにより、信号エネルギーの90%以上を最初の次元に圧縮し、部分距離計算による早期候補の剪定を可能にします。 PANORAMAはIVFPQ / Flat、HNSW、MRPT、Annoyなどの最先端のANNS方式に統合され、2〜30倍の速度向上を達成しました。

Takeaways、Limitations

Takeaways:
ANNSシステムのクエリ時間の大部分を占める距離計算のボトルネックを解く
データ適応学習を通じてANNSのパフォーマンスを向上させる新しいアプローチを提示します。
既存のANNSメソッドに簡単に統合でき、インデックスの変更は不要です。
さまざまなデータセット(CIFAR-10、GIST、OpenAI Ada 2、Large 3)にわたって2〜30倍の速度向上が見られました。
Recall lossなしでスピードアップを達成しました。
Limitations:
本論文で提示されたLimitationsは直接指定されていない。
👍