arXiv cs.AI· Nikita Gabdullin, Anton Raskovalov·· 12 小时前AI 评分22
利用潜在空间配置加速神经网络嵌入的Top-K检索
Latent space configuration for neural network finetuning, fast ranking, and embedding dimensionality reduction
AI 导读
研究者提出面向神经网络结构化潜在空间的搜索算法，通过O(1)复杂度的小候选集搜索加速Top-K检索。基于ArcFace预训练的IResNet50模型用Latent Space Configuration（LSC）方法微调后，相比基线穷举搜索在GPU上最高提速3倍、CPU上提速40%。潜在空间降维还能进一步加速搜索并提升rank-N指标。
正文 · AI 翻译
摘要：在大型神经网络（NN）嵌入库中为查询找到 K 个最相似元素，在计算机科学的各个领域以及人工智能的工业应用中至关重要。本文提出了针对神经网络结构化潜在空间（LS）的搜索算法，借助 O(1) 复杂度的小候选库子集搜索来加速 top K 条目检索。使用潜在空间配置（LSC）方法对 ArcFace 预训练的 IResNet50 模型进行微调，以获得具有所需几何特性的新嵌入分布。将所提出的算法应用于微调模型得到的嵌入，相比基线穷举搜索可带来数倍的加速。具体而言，我们报告了相比基线方法 GPU 速度，在 GPU 上最高 3 倍加速、在 CPU 上 40% 加速。这些结果是在原始和缩减的 LS 维度数量下获得的。结果表明，LS 降维可进一步加速搜索，甚至提升 rank-N 指标。
| 评论： | 14 页，4 幅图，2 张表，2 个算法 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.29295 [cs.CV] |
| （或 arXiv:2610.29295v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29295 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Nikita Gabdullin [查看邮箱]
[v1]
2026 年 10 月 21 日星期三 06:47:13 UTC（321 KB）
来源：arXiv cs.AI · arxiv.org