---
title: "MM-RAG (Multimodal RAG) (KO)"
source: "https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)"
wiki: "systems-analysis.info/int"
article: "MM-RAG_(Multimodal_RAG)_(KO)"
language: "ko"
categories:
  - "Category:Korean"
  - "Category:Large language models"
  - "Category:Prompt engineering"
revision_id: 4053
wiki_created_at: 2026-09-06T23:29:49Z
wiki_modified_at: 2026-09-06T23:29:49Z
downloaded_at: 2026-09-07T23:00:36Z
---

# MM-RAG (Multimodal RAG) (KO)

**MM-RAG** (영어: *Multimodal Retrieval-Augmented Generation*) — 이는 고전적인 RAG 패러다임의 확장으로, LLM이 답변 생성 시 텍스트뿐만 아니라 시각적 데이터(이미지, 다이어그램, 표, 그래프)도 활용하는 방식입니다. 멀티모달 retrieval을 통해 다양한 표현 방식에서 증거를 탐색하고 연결하며, 페이지 단편 및 영역(*bounding boxes*)에 대한 정확한 참조를 갖춘 외부 출처에 의존함으로써 환각 위험을 줄입니다<sup>[\[1\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-lewis2020-1)[\[2\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-visrag2024-2)</sup>.

MM-RAG는 페이지 레이아웃, 다이어그램, 표 구조 등 비텍스트 형식으로 의미의 상당 부분이 표현되는 문서에 특히 유용합니다. 이러한 경우 고전적인 텍스트 RAG는 종종 중요한 맥락 요소를 놓치게 됩니다<sup>[\[3\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-docvqa2021-3)[\[4\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-textvqa2019-4)</sup>.

## 맥락 및 해결 과제

고전적인 RAG는 텍스트 단락을 처리하며 시각적 구조(요소 배치, 그림 캡션, 그래프 축)를 인식하지 못합니다. MM-RAG는 이러한 공백을 메웁니다: 구조화된 요소(텍스트, 표, 좌표가 포함된 이미지)를 추출하고, 이를 벡터 공간에 인덱싱하며, 서로 다른 모달리티의 증거를 결합합니다<sup>[\[5\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-layoutlm2020-5)[\[6\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-clip2021-6)</sup>.

## MM-RAG 아키텍처

MM-RAG 파이프라인은 고전적인 RAG에 시각 데이터 처리 및 모달리티 정렬 단계를 추가합니다: **수집(ingestion) → 인덱싱 → 멀티모달 retrieval → 병합 및 재순위화 → 추적을 포함한 생성**.

1.  **수집 및 전처리(Ingestion).** 입력으로 PDF/스캔본/이미지가 제공됩니다. OCR 및 페이지 **레이아웃 분석**을 수행하여 문단, 제목, 표, 이미지 및 해당 좌표 등의 영역을 구분합니다. 일반적인 도구로는 LayoutLM 계열 모델과 LayoutParser 라이브러리가 있으며, 검증 및 학습에는 PubLayNet 및 DocLayNet dataset이 자주 활용됩니다<sup>[\[7\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-publaynet2019-7)[\[8\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-doclaynet2022-8)[\[9\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-layoutparser2021-9)</sup>.
2.  **영역 분할(Segmentation).** 시각적 객체(다이어그램, 표, 삽화, 캡션)가 추출됩니다. 향상된 견고성을 위해 OCR‑free 모델(예: Donut) 또는 OCR+VLM 복합 파이프라인이 활용됩니다<sup>[\[10\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-donut2021-10)</sup>.
3.  **인덱싱(Vector Index).** 텍스트 청크와 시각적 요소(이미지 또는 그 설명)가 벡터 표현으로 변환되어 벡터 데이터베이스에 저장됩니다. *text↔image* 통합 공간을 위해 CLIP 또는 SigLIP이 사용되며, 프로덕션 환경에서는 멀티모달/멀티벡터 인덱스(객체 하나에 여러 벡터)가 편리합니다<sup>[\[6\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-clip2021-6)[\[11\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-siglip2023-11)[\[12\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-milvus-mv-12)</sup>.
4.  **멀티모달 retrieval 및 재순위화.** 텍스트 검색과 시각 검색이 결합되어 수행되며, 후보(문단, 표, 이미지/영역)가 통합된 후 더 '무거운' 모델(크로스 인코더/LLM reranker)에 의해 재순위화되어 정밀도가 향상됩니다<sup>[\[13\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-cohere-rerank-13)</sup>.
5.  **컨텍스트 패킹 및 생성.** 선별된 단편이 LLM/VLM에 입력됩니다. 멀티모달 모델(예: GPT‑4V/4o)의 경우 이미지를 직접 입력할 수 있으며, 텍스트 전용 LLM의 경우 이미지를 사전에 상세 설명으로 변환합니다<sup>[\[14\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-gpt4v-14)[\[15\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-gpt4o-15)</sup>.
6.  **추적 및 인용.** 답변에는 문서/페이지뿐만 아니라 영역(좌표)까지 연결되는 클릭 가능한 인용이 포함됩니다. 이는 *grounding* 수준을 높이고 사용자 신뢰를 향상시킵니다<sup>[\[2\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-visrag2024-2)</sup>.

## 품질 평가 및 지표

MM‑RAG의 효과는 추출, retrieval, 생성 수준에서 평가됩니다.

- **시각 데이터 추출 품질.** OCR 정확도(WER/CER), DocLayNet/PubLayNet 데이터셋에서의 레이아웃 분석 품질(mAP/Precision/Recall)<sup>[\[8\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-doclaynet2022-8)[\[7\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-publaynet2019-7)</sup>.
- **Retrieval 품질.** 정보 검색 표준 지표: Recall@K, Precision@K, MRR; 멀티모달의 경우 모달리티별 및 통합 기준으로 각각 측정.
- **응답 품질(end‑to‑end).** 자동화된 *faithfulness*/*groundedness* 지표 및 인간 평가. 실무에서는 RAGAS/TruLens/DeepEval 프레임워크가 활용됩니다<sup>[\[16\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-ragas-16)</sup>.
- **Benchmark.**
  - **DocVQA**: 문서 이미지에 대한 질문<sup>[\[3\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-docvqa2021-3)</sup>.
  - **TextVQA**: 이미지 내 텍스트 읽기가 필요한 질문<sup>[\[4\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-textvqa2019-4)</sup>.
  - **InfographicVQA**: 인포그래픽에 관한 질문<sup>[\[17\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-infographicvqa2021-17)</sup>.
  - **ChartQA**: 논리적 추론이 요구되는 다이어그램 관련 질문<sup>[\[18\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-chartqa2022-18)</sup>.
  - **MMDocRAG**: 문서 QA를 위한 멀티모달 RAG benchmark(다중 페이지 문서, 크로스 모달 증거 체인)<sup>[\[19\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-mmdocrag2025-19)</sup>.

## 구성 요소 비교표

| 구성 요소      | 구현 방식                                                  | 장점                                                                        | 단점 / 위험                                                          | 선택 기준                                                          |
|----------------|------------------------------------------------------------|-----------------------------------------------------------------------------|----------------------------------------------------------------------|--------------------------------------------------------------------|
| OCR            | Tesseract / PaddleOCR / 클라우드 API                       | 로컬 — 프라이버시와 제어; 클라우드 — 즉시 사용 가능한 높은 정확도.          | 복잡한 레이아웃에서의 오류; API — 비용 및 컴플라이언스 요구사항.     | 비공개 데이터 — 로컬 OCR; 최고 정확도 — 클라우드(허용되는 경우).   |
| 레이아웃 분석  | 규칙 기반 / ML 모델(LayoutLM, LayoutParser)                | 규칙은 동일한 템플릿에 단순하게 적용; ML — 다양성에 대한 견고성.            | 규칙은 새로운 레이아웃에서 실패; ML은 리소스/데이터 필요.            | 동일한 양식 — 규칙; 다양한 코퍼스 — ML.                            |
| 벡터화(이미지) | CLIP / SigLIP / OCR‑free 설명(Donut/Pix2Struct)            | 통합된 *text↔image* 잠재 공간(CLIP/SigLIP); OCR‑free는 OCR 의존성 제거.     | CLIP은 이미지 내부 텍스트를 읽지 못함; 설명이 의미를 왜곡할 수 있음. | CLIP/SigLIP — 기본 멀티모달 검색; 복잡한 품질의 스캔에는 OCR‑free. |
| 결과 병합      | 점수 정렬 / 모달리티별 할당량 / LLM‑reranker               | Reranker는 컨텍스트 선택 정확도를 눈에 띄게 향상.                           | 지연 시간 및 비용 증가.                                              | 고정밀 시나리오; 단순한 방법 — PoC용.                              |
| 저장소/인덱스  | 단일 벡터 / 멀티벡터(text+image) / 하이브리드(BM25+vector) | 멀티벡터는 동일 객체의 다양한 표현을 커버; 하이브리드는 키워드/코드를 보완. | 스키마 및 업데이트의 복잡성 증가.                                    | 혼합 데이터와 엄격한 SLA를 갖춘 프로덕션 시스템.                   |

MM‑RAG의 핵심 구성 요소 및 접근 방식 비교

## 실무적 고려사항

- **하이브리드 검색**(BM25 + 벡터) — 특정 용어/코드에서의 재현율과 정밀도 향상을 위한 사실상의 표준입니다<sup>[\[20\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-weaviate-hybrid-20)</sup>.
- 크로스 인코더/LLM을 활용한 **재순위화**는 생성 전에 '불필요한' 후보를 제거하여 token을 절약합니다<sup>[\[13\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-cohere-rerank-13)</sup>.
- **최신 VLM retriever**(예: ColPali)는 페이지 이미지를 직접 인덱싱하는 방식으로 시각적으로 풍부한 문서에서 우수성을 보입니다<sup>[\[21\]](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_note-colpali2024-21)</sup>.

## 참고 문헌

- Lewis, P. et al. (2020). *Retrieval‑Augmented Generation for Knowledge‑Intensive NLP Tasks*. NeurIPS. arXiv:2005.11401.
- Gao, L. et al. (2023). *Precise Zero‑Shot Dense Retrieval without Relevance Labels (HyDE)*. ACL 2023. arXiv:2212.10496.
- Mei, L., Mo, S., Yang, Z., Chen, C. (2025). *A Survey of Multimodal Retrieval‑Augmented Generation*. arXiv:2504.08748.
- Abootorabi, M.M. et al. (2025). *Ask in Any Modality: A Comprehensive Survey on Multimodal Retrieval‑Augmented Generation*. Findings of ACL 2025. ACL Anthology.
- Yu, S. et al. (2024). *VisRAG: Vision‑based Retrieval‑augmented Generation on Multi‑modality Documents*. arXiv:2410.10594.
- Cho, J. et al. (2024). *M3DocRAG: Multi‑modal Retrieval is What You Need for Multi‑document QA*. arXiv:2411.04952.
- Tanaka, R. et al. (2025). *VDocRAG: Retrieval‑Augmented Generation over Visually‑Rich Documents*. CVPR 2025. arXiv:2504.09795 • CVF Open Access.
- Dong, K. et al. (2025). *MMDocRAG: Benchmarking Retrieval‑Augmented Multimodal Generation for Document Question Answering*. arXiv:2505.16470.
- Wasserman, N. et al. (2025). *REAL‑MM‑RAG: A Real‑World Multi‑Modal Retrieval Benchmark*. arXiv:2502.12342.
- Faysse, M. et al. (2024). *ColPali: Efficient Document Retrieval with Vision Language Models*. arXiv:2407.01449.
- Radford, A. et al. (2021). *Learning Transferable Visual Models From Natural Language Supervision (CLIP)*. ICML 2021. arXiv:2103.00020.
- Tschannen, M. et al. (2025). *SigLIP 2: Multilingual Vision‑Language Encoders with Improved Semantic Understanding, Localization, and Dense Features*. arXiv:2502.14786.
- Xu, Y. et al. (2020). *LayoutLM: Pre‑training of Text and Layout for Document Image Understanding*. KDD 2020. DOI • arXiv:1912.13318.
- Huang, Y. et al. (2022). *LayoutLMv3: Pre‑training for Document AI with Unified Text and Image Masking*. arXiv:2204.08387.
- Zhong, X., Tang, J., Jimeno‑Yepes, A.J. (2019). *PubLayNet: Largest Dataset Ever for Document Layout Analysis*. arXiv:1908.07836.
- Pfitzmann, B. et al. (2022). *DocLayNet: A Large Human‑Annotated Dataset for Document‑Layout Analysis*. arXiv:2206.01062.
- Kim, G. et al. (2021). *OCR‑free Document Understanding Transformer (Donut)*. arXiv:2111.15664.
- Shen, Z. et al. (2021). *LayoutParser: A Unified Toolkit for Deep Learning Based Document Image Analysis*. arXiv:2103.15348.
- Singh, A. et al. (2019). *Towards VQA Models That Can Read (TextVQA)*. CVPR 2019. arXiv:1904.08920.
- Mathew, M. et al. (2021/2022). *DocVQA / InfographicVQA: Datasets for VQA on Document Images and Infographics*. WACV 2021 / WACV 2022. CVF • arXiv:2104.12756.
- Masry, A. et al. (2022). *ChartQA: A Benchmark for Question Answering about Charts with Visual and Logical Reasoning*. Findings of ACL 2022. ACL • arXiv:2203.10244.
- Liu, F. et al. (2022). *DePlot: One‑shot Visual Language Reasoning by Plot‑to‑Table Translation*. arXiv:2212.10505.
- Wang, P. et al. (2024). *Qwen2‑VL: Enhancing Vision‑Language Model's Capabilities in OCR and Chart QA*. arXiv:2409.12191.
- Es, S. et al. (2023). *RAGAS: Automated Evaluation of Retrieval‑Augmented Generation*. arXiv:2309.15217.

## 같이 보기

- Retrieval-Augmented Generation
- 벡터 데이터베이스
- Embedding
- GraphRAG

## 주석

1.  <span id="cite_note-lewis2020-1">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-lewis2020_1-0) Lewis, P., Perez, E., et al. (2020). *Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks*. NeurIPS. <a href="https://arxiv.org/abs/2005.11401" class="external text" rel="nofollow">arXiv:2005.11401</a>.</span>
2.  <span id="cite_note-visrag2024-2">↑ <sup>[2.0](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-visrag2024_2-0)</sup> <sup>[2.1](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-visrag2024_2-1)</sup> Yu, S. et al. (2024). *VisRAG: Vision-based Retrieval-Augmented Generation on Multi-modality Documents*. <a href="https://arxiv.org/abs/2407.06437" class="external text" rel="nofollow">arXiv:2407.06437</a>.</span>
3.  <span id="cite_note-docvqa2021-3">↑ <sup>[3.0](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-docvqa2021_3-0)</sup> <sup>[3.1](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-docvqa2021_3-1)</sup> Mathew, M. et al. (2021). *DocVQA: A Dataset for VQA on Document Images*. WACV. <a href="https://arxiv.org/abs/2007.00398" class="external text" rel="nofollow">arXiv:2007.00398</a>.</span>
4.  <span id="cite_note-textvqa2019-4">↑ <sup>[4.0](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-textvqa2019_4-0)</sup> <sup>[4.1](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-textvqa2019_4-1)</sup> Singh, A. et al. (2019). *TextVQA: Towards VQA Models That Can Read*. CVPR. <a href="https://arxiv.org/abs/1904.08920" class="external text" rel="nofollow">arXiv:1904.08920</a>.</span>
5.  <span id="cite_note-layoutlm2020-5">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-layoutlm2020_5-0) Xu, Y. et al. (2020). *LayoutLM: Pre-training of Text and Layout for Document Image Understanding*. KDD. <a href="https://dl.acm.org/doi/10.1145/3394486.3403172" class="external text" rel="nofollow">DOI</a>.</span>
6.  <span id="cite_note-clip2021-6">↑ <sup>[6.0](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-clip2021_6-0)</sup> <sup>[6.1](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-clip2021_6-1)</sup> Radford, A. et al. (2021). *Learning Transferable Visual Models From Natural Language Supervision (CLIP)*. ICML. <a href="https://arxiv.org/abs/2103.00020" class="external text" rel="nofollow">arXiv:2103.00020</a>.</span>
7.  <span id="cite_note-publaynet2019-7">↑ <sup>[7.0](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-publaynet2019_7-0)</sup> <sup>[7.1](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-publaynet2019_7-1)</sup> Zhong, X., Tang, J., Yepes, A. J. (2019). *PubLayNet: Largest Dataset for Document Layout Analysis*. ICDAR. <a href="https://arxiv.org/abs/1908.07836" class="external text" rel="nofollow">arXiv:1908.07836</a>.</span>
8.  <span id="cite_note-doclaynet2022-8">↑ <sup>[8.0](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-doclaynet2022_8-0)</sup> <sup>[8.1](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-doclaynet2022_8-1)</sup> Pfitzmann, B. et al. (2022). *DocLayNet: A Large Human‑Annotated Dataset for Document‑Layout Analysis*. KDD. <a href="https://dl.acm.org/doi/10.1145/3534678.3539043" class="external text" rel="nofollow">DOI</a> / <a href="https://arxiv.org/abs/2206.01062" class="external text" rel="nofollow">arXiv:2206.01062</a>.</span>
9.  <span id="cite_note-layoutparser2021-9">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-layoutparser2021_9-0) Shen, Z. et al. (2021). *LayoutParser: A Unified Toolkit for DL‑based Document Image Analysis*. <a href="https://arxiv.org/abs/2103.15348" class="external text" rel="nofollow">arXiv:2103.15348</a>.</span>
10. <span id="cite_note-donut2021-10">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-donut2021_10-0) Kim, G. et al. (2021). *Donut: OCR‑free Document Understanding Transformer*. <a href="https://arxiv.org/abs/2111.15664" class="external text" rel="nofollow">arXiv:2111.15664</a>.</span>
11. <span id="cite_note-siglip2023-11">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-siglip2023_11-0) Zhai, X. et al. (2023). *Sigmoid Loss for Language‑Image Pre‑Training (SigLIP)*. ICCV. <a href="https://arxiv.org/abs/2303.15343" class="external text" rel="nofollow">arXiv:2303.15343</a>.</span>
12. <span id="cite_note-milvus-mv-12">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-milvus-mv_12-0) Milvus Docs. *Multi‑Vector Hybrid Search*. <a href="https://milvus.io/docs/multi-vector-search.md" class="external text" rel="nofollow">milvus.io/docs/multi-vector-search.md</a>.</span>
13. <span id="cite_note-cohere-rerank-13">↑ <sup>[13.0](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-cohere-rerank_13-0)</sup> <sup>[13.1](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-cohere-rerank_13-1)</sup> Cohere Docs. *Rerank API*. <a href="https://docs.cohere.com/reference/rerank" class="external text" rel="nofollow">docs.cohere.com/reference/rerank</a>.</span>
14. <span id="cite_note-gpt4v-14">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-gpt4v_14-0) OpenAI. *GPT‑4V(ision) System Card*. (2023). <a href="https://cdn.openai.com/papers/GPTV_System_Card.pdf" class="external text" rel="nofollow">PDF</a>.</span>
15. <span id="cite_note-gpt4o-15">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-gpt4o_15-0) OpenAI. *Hello GPT‑4o*. (2024). <a href="https://openai.com/index/hello-gpt-4o/" class="external text" rel="nofollow">openai.com/index/hello-gpt-4o/</a>.</span>
16. <span id="cite_note-ragas-16">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-ragas_16-0) Es, S. et al. (2023). *RAGAS: Automated Evaluation of Retrieval Augmented Generation*. <a href="https://arxiv.org/abs/2309.15217" class="external text" rel="nofollow">arXiv:2309.15217</a>.</span>
17. <span id="cite_note-infographicvqa2021-17">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-infographicvqa2021_17-0) Mathew, M. et al. (2021). *InfographicVQA: Understanding Infographics via Question Answering*. ICDAR. <a href="https://arxiv.org/abs/2104.12756" class="external text" rel="nofollow">arXiv:2104.12756</a>.</span>
18. <span id="cite_note-chartqa2022-18">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-chartqa2022_18-0) Masry, A. et al. (2022). *ChartQA: A Benchmark for Question Answering about Charts*. ACL (Findings). <a href="https://arxiv.org/abs/2103.16435" class="external text" rel="nofollow">arXiv:2103.16435</a>.</span>
19. <span id="cite_note-mmdocrag2025-19">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-mmdocrag2025_19-0) Dong, K. et al. (2025). *Benchmarking Retrieval‑Augmented Multimodal Generation for Document QA (MMDocRAG)*. <a href="https://arxiv.org/abs/2505.16470" class="external text" rel="nofollow">arXiv:2505.16470</a>.</span>
20. <span id="cite_note-weaviate-hybrid-20">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-weaviate-hybrid_20-0) Weaviate Docs. *Hybrid search*. <a href="https://docs.weaviate.io/weaviate/concepts/search/hybrid-search" class="external text" rel="nofollow">docs.weaviate.io/.../hybrid-search</a>.</span>
21. <span id="cite_note-colpali2024-21">[↑](https://systems-analysis.info/int/MM-RAG_(Multimodal_RAG)_(KO)#cite_ref-colpali2024_21-0) Faysse, M. et al. (2024). *ColPali: Efficient Document Retrieval with Vision‑Language Models*. <a href="https://arxiv.org/abs/2407.01449" class="external text" rel="nofollow">arXiv:2407.01449</a>.</span>