Buchumschlag

Sculpting the Vector Space: Towards Efficient Multi-Vector Visual Document Retrieval via Prune-then-Merge Framework

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yan, Yibo, Ou, Mingdong, Cao, Yi, Zou, Xin, Huo, Jiahao, Liu, Shuliang, Kwok, James, Hu, Xuming
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Computer Vision and Pattern Recognition Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond the Grid: Layout-Informed Multi-Vector Retrieval with Parsed Visual Document Representations
von: Yan, Yibo, et al.
Veröffentlicht: (2026)

Visual Late Chunking: An Empirical Study of Contextual Chunking for Efficient Visual Document Retrieval
von: Yan, Yibo, et al.
Veröffentlicht: (2026)

DocPruner: A Storage-Efficient Framework for Multi-Vector Visual Document Retrieval via Adaptive Patch-Level Embedding Pruning
von: Yan, Yibo, et al.
Veröffentlicht: (2025)

Unlocking Multimodal Document Intelligence: From Current Triumphs to Future Frontiers of Visual Document Retrieval
von: Yan, Yibo, et al.
Veröffentlicht: (2026)

CausalEmbed: Auto-Regressive Multi-Vector Generation in Latent Space for Visual Document Embedding
von: Huo, Jiahao, et al.
Veröffentlicht: (2026)

Structural Anchor Pruning: Training-Free Multi-Vector Compression for Visual Document Retrieval
von: Liu, Zhuchenyang, et al.
Veröffentlicht: (2026)

Efficient Constant-Space Multi-Vector Retrieval
von: MacAvaney, Sean, et al.
Veröffentlicht: (2025)

Hybrid-Vector Retrieval for Visually Rich Documents: Combining Single-Vector Efficiency and Multi-Vector Accuracy
von: Kim, Juyeon, et al.
Veröffentlicht: (2025)

Hierarchical Patch Compression for ColPali: Efficient Multi-Vector Document Retrieval with Dynamic Pruning and Quantization
von: Bach, Duong
Veröffentlicht: (2025)

TreeHop: Generate and Filter Next Query Embeddings Efficiently for Multi-hop Question Answering
von: Li, Zhonghao, et al.
Veröffentlicht: (2025)

Towards Storage-Efficient Visual Document Retrieval: An Empirical Study on Reducing Patch-Level Embeddings
von: Ma, Yubo, et al.
Veröffentlicht: (2025)

Rethinking the Role of Token Retrieval in Multi-Vector Retrieval
von: Lee, Jinhyuk, et al.
Veröffentlicht: (2023)

Vector Retrieval with Similarity and Diversity: How Hard Is It?
von: Gao, Hang, et al.
Veröffentlicht: (2024)

Vectorizing the Trie: Efficient Constrained Decoding for LLM-based Generative Retrieval on Accelerators
von: Su, Zhengyang, et al.
Veröffentlicht: (2026)

Attention Grounded Enhancement for Visual Document Retrieval
von: Cui, Wanqing, et al.
Veröffentlicht: (2025)

SRAG: RAG with Structured Data Improves Vector Retrieval
von: Shah, Shalin, et al.
Veröffentlicht: (2026)

Semantic Certainty Assessment in Vector Retrieval Systems: A Novel Framework for Embedding Quality Evaluation
von: Du, Y.
Veröffentlicht: (2025)

QDER: Query-Specific Document and Entity Representations for Multi-Vector Document Re-Ranking
von: Chatterjee, Shubham, et al.
Veröffentlicht: (2025)

Enhancing Question Answering Precision with Optimized Vector Retrieval and Instructions
von: Yang, Lixiao, et al.
Veröffentlicht: (2024)

Breaking the Curse of Dimensionality: On the Stability of Modern Vector Retrieval
von: Lakshman, Vihan, et al.
Veröffentlicht: (2025)

Efficient Multi-Vector Dense Retrieval Using Bit Vectors
von: Nardini, Franco Maria, et al.
Veröffentlicht: (2024)

ReinPool: Reinforcement Learning Pooling Multi-Vector Embeddings for Retrieval System
von: Cha, Sungguk, et al.
Veröffentlicht: (2026)

Towards Natural Language-Based Document Image Retrieval: New Dataset and Benchmark
von: Guo, Hao, et al.
Veröffentlicht: (2025)

A Multi-Granularity Retrieval Framework for Visually-Rich Documents
von: Xu, Mingjun, et al.
Veröffentlicht: (2025)

A Survey on Proactive Defense Strategies Against Misinformation in Large Language Models
von: Liu, Shuliang, et al.
Veröffentlicht: (2025)

ColBERT-XM: A Modular Multi-Vector Representation Model for Zero-Shot Multilingual Information Retrieval
von: Louis, Antoine, et al.
Veröffentlicht: (2024)

Towards Lossless Token Pruning in Late-Interaction Retrieval Models
von: Zong, Yuxuan, et al.
Veröffentlicht: (2025)

MIRAGE: Runtime Scheduling for Multi-Vector Image Retrieval with Hierarchical Decomposition
von: Li, Maoliang, et al.
Veröffentlicht: (2025)

Query-Document Dense Vectors for LLM Relevance Judgment Bias Analysis
von: Mohtadi, Samaneh, et al.
Veröffentlicht: (2026)

Reducing the Footprint of Multi-Vector Retrieval with Minimal Performance Impact via Token Pooling
von: Clavié, Benjamin, et al.
Veröffentlicht: (2024)

WARP: An Efficient Engine for Multi-Vector Retrieval
von: Scheerer, Jan Luca, et al.
Veröffentlicht: (2025)

Roles of MLLMs in Visually Rich Document Retrieval for RAG: A Survey
von: Zhang, Xiantao
Veröffentlicht: (2025)

Identity-Decoupled Anonymization for Visual Evidence in Multi-modal Retrieval-Augmented Generation
von: Cheng, Zehua, et al.
Veröffentlicht: (2026)

JaColBERTv2.5: Optimising Multi-Vector Retrievers to Create State-of-the-Art Japanese Retrievers with Constrained Resources
von: Clavié, Benjamin
Veröffentlicht: (2024)

Sentiment Analysis Using Averaged Weighted Word Vector Features
von: Erkan, Ali, et al.
Veröffentlicht: (2020)

AGRaME: Any-Granularity Ranking with Multi-Vector Embeddings
von: Reddy, Revanth Gangi, et al.
Veröffentlicht: (2024)

Multi-Vector Index Compression in Any Modality
von: Qin, Hanxiang, et al.
Veröffentlicht: (2026)

Visual RAG Toolkit: Scaling Multi-Vector Visual Retrieval with Training-Free Pooling and Multi-Stage Search
von: Yeroyan, Ara
Veröffentlicht: (2026)

XProvence: Zero-Cost Multilingual Context Pruning for Retrieval-Augmented Generation
von: Mohamed, Youssef, et al.
Veröffentlicht: (2026)

OPERA: Online Data Pruning for Efficient Retrieval Model Adaptation
von: Fang, Haoyang, et al.
Veröffentlicht: (2026)