시각 서사의 직조: 원자적 시각 매칭을 넘어선 에이전트 기반 이미지 번들 구성

초록

이미지 검색은 전통적으로 각 후보 이미지를 개별적으로 점수화하는 점별(point-wise) 매칭 문제로 공식화되어 왔다. 그러나 이러한 원자적(atomic) 패러다임은 개인 사진 컬렉션 내에서 사용자의 복잡한 검색 의도를 포착하지 못한다. 사용자는 고립된 단일 사진보다는 구조적 관계로 묶인 간결한 시각적 스토리를 찾는 경우가 많기 때문이다. 이러한 한계를 해결하기 위해, 우리는 **이미지 번들 구성(Image Bundle Composition, IBC)**이라는 새로운 패러다임을 도입한다. 이 패러다임은 개별 이미지의 랭킹에서 대규모 비정형 사진 풀로부터 응집력 있는 이미지 번들을 동적으로 구성하는 것으로 목표를 전환한다. 대상 번들이 사전에 정의되지 않으므로 IBC는 심각한 조합 폭발 문제를 야기하며, 분해 불가능한 결합 관련성(non-decomposable joint relevance)의 모델링을 요구한다. 이 패러다임을 확립하기 위해, 우리는 반자동 검증 파이프라인을 통해 109,467개의 이미지와 667개의 검증된 쿼리로 구성된 최초의 IBC 벤치마크 데이터셋인 **IBCBench**를 구축한다. 또한, IBC를 쿼리 조건부 증분 하이퍼에지 발견(query-conditioned incremental hyperedge discovery)으로 재구성하는 에이전트 기반 프레임워크 **BundleWeaver**를 제안한다. BundleWeaver는 대규모 언어 모델(LLM)을 사용하여 누락된 관계적 역할을 적응적으로 탐색하고, 비전-언어 모델(VLM)을 사용하여 번들 전체를 검증함으로써 조합 공간을 효과적으로 탐색한다. 광범위한 실험을 통해 최첨단 임베딩 모델과 정적 분해-재랭킹 패러다임이 관계적 맹점(relational blindness)을 보이는 반면, BundleWeaver는 상당한 성능 향상을 달성함을 보여준다. 이는 개별 점수화에서 동적 관계 기반 구성으로의 전환 필요성을 강조한다. 우리의 데이터셋과 코드는 공개되어 있다.

English

Image retrieval has traditionally been formulated as a point-wise matching problem, where each candidate image is scored in isolation. However, this atomic paradigm fails to capture the complexity of human search intent within personal photo collections, where users often seek compact visual stories bound by structural relations rather than isolated snapshots. To address this limitation, we introduce **Image Bundle Composition (IBC)**, a novel paradigm that shifts the objective from ranking individual images to dynamically composing cohesive image bundles from a massive, unstructured photo pool. Since target bundles are not predefined, IBC presents a severe combinatorial explosion challenge and demands modeling non-decomposable joint relevance. To establish this paradigm, we construct **IBCBench**, the first IBC benchmark dataset containing 109,467 images and 667 verified queries, built via a semi-automated verification pipeline. Furthermore, we propose **BundleWeaver**, an agentic framework that reformulates IBC as query-conditioned incremental hyperedge discovery. By employing a Large Language Model to adaptively search for missing relational roles and utilizing a Vision-Language Model for whole-bundle verification, BundleWeaver effectively navigates the combinatorial space. Extensive experiments demonstrate that while state-of-the-art embedding models and static decompose-and-rerank paradigms suffer from relational blindness, BundleWeaver achieves substantial performance gains, highlighting the necessity of shifting from atomic scoring to dynamic relational composition. Our dataset and code are available.