Beyond Visual Similarity: Entity-Aligned Retrieval for Knowledge-Based Visual Question Answering

• 类型：arxiv
• 标识：2608.21450
• 链接：https://arxiv.org/abs/2608.21450
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：KBMR is proposed, the first MLLM-based embedding retriever tailored for KB-VQA, and an MLLM-based semantic discriminator that generates continuous entity-consistency weights is introduced to tackle the challenge of noisy supervision in Wikipedia-scale retrieval.
• OpenAlex ID：W7204208160
• OpenAlex DOI：10.48550/arxiv.2608.21450
• DOI：10.48550/arxiv.2608.21450
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.21450
• OpenAlex更新：2026-09-06
• 待LLM分类：否
• 标题中文：超越视觉相似性：面向知识库视觉问答的实体对齐检索
• TLDR中文：本文提出 KBMR，首个面向 KB-VQA 的基于 MLLM 的 embedding retriever，并引入一个基于 MLLM 的语义判别器以生成连续的实体一致性权重，应对维基百科规模检索中的噪声监督挑战。
• 来源文件：
• /inbox/tom/_candidates/2026-09-03-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]