Inverting Multi-Vector Visual Document Indices

主流多向量视觉文档检索器将每页存储为约一千个拼接向量，通常存放在第三方运营的向量数据库中。由于无人能从向量中读取一页，该索引被认为比实际页面更不敏感。然而，由于索引按拼接向量的 raster 顺序保留一个向量，并且每个向量由预训练的视觉-语言模型计算得出，因此我们推测，任何运行或破坏该存储的人，均可从其索引中重建一页。