순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Jeff R. Johnson, Matthijs Douze, Hervé Jeǵou · IEEE Transactions on Big Data · 2019년 · 조회 13
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2019-06 발표 · 피인용 3,860회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 70개
RESEARCH PAPER 슬롯은 후속 연구 설계에 활용하기 좋은 논문을 선정하며, 2019년 발표 이후 3860회 인용으로 분야 상위 1%에 해당한다.
논문 요약
고차원 특징을 가진 이미지·비디오 데이터의 유사도 검색은 효율적인 인덱싱이 필요하다. 기존 GPU 기반 방법은 선택 연산 등 병렬성이 낮은 단계가 병목이었으나, 본 논문은 새로운 fork‑selection 설계를 제안한다. 이를 제품 양자화를 활용한 브루트‑포스, 근사, 압축 도메인 검색에 적용해 기존 최첨단 방법보다 크게 앞섰으며, 이론적 피크 성능의 55% 수준까지 도달하였다.
후속 연구설계에 활용하기
후속 연구에서는 fork‑selection 구조와 제품 양자화 파라미터를 변수로 삼아 다양한 데이터셋·GPU 환경에서 처리량·지연시간·GPU 활용률을 평가하고, 다른 도메인으로 확장 가능성을 검증할 수 있다.
핵심어
유사도 검색GPU 가속제품 양자화고성능 구현
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.