量子化にグラフの構造を担わせる
QuIVer は、二値量子化をグラフ索引そのものの距離空間にできるかを問います。符号と大きさのビットを組み合わせた学習不要の 2 ビットコードにより、Vamana の辺選択、多様性を保つ枝刈り、クエリ探索を量子化空間で実行します。
小さな表現で探索し、厳密に再順位付けする
クエリを二値シグネチャへ変え、ビット演算で候補をたどります。完全な float32 ベクトルは再順位付けの最後にだけ読み、頻繁に使うシグネチャと隣接リストを、低頻度で使う全精度データから分けます。
学習済みコードブックや回転行列は不要です。量子化が構築と探索の双方に関与することで、トポロジー、計算、メモリー配置をコンパクトな表現に合わせて設計できます。
システムとデータの幾何を合わせて評価する
12 個の百万規模データセットでは、性能が分布に強く依存しました。コサイン空間の対比学習埋め込みが最も適し、一部のマルチモーダル表現が続く一方、元来ユークリッド距離に基づく特徴や無構造データは不得手でした。
圧縮、スループット、データとの適合性の取捨選択を示し、後続の量子化理論研究へ向けたシステムの基盤を提供します。
原文と引用
論文の原文へ。
導出の詳細、実験設定、結果は公開論文をご覧ください。