[논문 리뷰] SpatCode: Rotary-based Unified Encoding Framework for Efficient Spatiotemporal Vector Retrieval

Bingde Hu, Enhao Pan외 4명|arXiv (Cornell University)|2026. 01. 14.

Data Management and Algorithms인용 수 0

한 줄 요약

SpatCode는 시간, 공간, 의미 단서를 단일 회전 인코딩 벡터 공간으로 통합하여 원형 슬라이딩 윈도우 업데이터와 가중 다중모달 랭킹을 통해 효율적인 시공간 검색을 가능하게 하며, 여러 실제 데이터셋에서 베이스라인보다 더 높은 재현율과 더 낮은 지연을 달성합니다.

ABSTRACT

Spatiotemporal vector retrieval has emerged as a critical paradigm in modern information retrieval, enabling efficient access to massive, heterogeneous data that evolve over both time and space. However, existing spatiotemporal retrieval methods are often extensions of conventional vector search systems that rely on external filters or specialized indices to incorporate temporal and spatial constraints, leading to inefficiency, architectural complexity, and limited flexibility in handling heterogeneous modalities. To overcome these challenges, we present a unified spatiotemporal vector retrieval framework that integrates temporal, spatial, and semantic cues within a coherent similarity space while maintaining scalability and adaptability to continuous data streams. Specifically, we propose (1) a Rotary-based Unified Encoding Method that embeds time and location into rotational position vectors for consistent spatiotemporal representation; (2) a Circular Incremental Update Mechanism that supports efficient sliding-window updates without global re-encoding or index reconstruction; and (3) a Weighted Interest-based Retrieval Algorithm that adaptively balances modality weights for context-aware and personalized retrieval. Extensive experiments across multiple real-world datasets demonstrate that our framework substantially outperforms state-of-the-art baselines in both retrieval accuracy and efficiency, while maintaining robustness under dynamic data evolution. These results highlight the effectiveness and practicality of the proposed approach for scalable spatiotemporal information retrieval in intelligent systems.

연구 동기 및 목표

• 통합 시공간 벡터 검색의 필요성을 제시하여 사후 필터링과 다중 인덱스 파이프라인을 피한다.
• 시간과 위치를 회전 벡터에 내재시키는 회전 기반 통합 인코딩을 도입한다.
• 효율적인 슬라이딩 윈도 데이터 유지를 위한 순환 증가 업데이트 메커니즘을 제안한다.
• 적응적이고 개인화된 다중 모달 랭킹을 위한 가중 관심 기반 검색 알고리즘을 개발한다.
• 실제 데이터셋에서 최첨단 베이스라인과 비교하여 우수한 검색 정확도와 효율성을 입증한다.

제안 방법

• 시간과 지리를 회전/색 벡터로 인코딩하여 E_t(t)와 E_g(λ,φ)를 사용해 통합 임베딩 공간을 형성한다.
• 전역 재인코딩 없이 빠른 점진적 업데이트를 가능하게 하기 위해 순환 버퍼를 가진 원형 슬라이딩 윈도우를 유지한다.
• 다중 모달 임베딩을 단일 질의 벡터로 연결하고 스케일링하여 단일 ANN 검색에서 가중 코사인 유사성을 지원한다.
• 저장된 임베딩을 변경하지 않고 질의마다 모달리티 중요도를 조정하기 위해 가중 관심 기반 검색을 적용한다.

실험 결과

연구 질문

• RQ1 시간과 위치를 통합 벡터 공간에 임베딩하여 의미 특징과의 직접적인 시공간 유사성을 가능하게 할 수 있는가?
• RQ2 스트리밍 데이터에서 전체 재인코딩 없이 시공간 인덱스를 어떻게 효율적으로 유지하고 업데이트할 수 있는가?
• RQ3 가중 다중 모달 검색 접근 방식이 이종적이고 시간에 따라 진화하는 데이터의 정확성을 향상시키는가?
• RQ4 실제 데이터셋에서 SpatCode가 기존의 필터 기반 및 다중 인덱스 접근법과 대기 시간 및 재현율에서 어떻게 비교되는가?

주요 결과

방법	쇼핑 삽입	쇼핑 질의	크레이그리스트 삽입	크레이그리스트 질의	넷플릭스 삽입	넷플릭스 질의	브리지 삽입	브리지 질의	VeRi 삽입	VeRi 질의
ThalDB	0.0501	$>$ 1000	0.520	$>$ 1000	0.0343	$>$ 1000	0.0022	$>$ 1000	0.0415	$>$ 1000
Filtered	3.88	143	3.78	11.5	3.95	61.7	3.80	17.9	3.77	32.54
Hybrid	3.82	8.07	3.90	5.70	3.97	5.89	3.79	6.95	3.70	5.56
SpatCode	3.69	5.24	3.62	4.03	3.84	4.21	3.63	3.81	3.60	3.87

• SpatCode는 Shopping, Craigslist, Netflix, Bridge, VeRi 데이터셋에서 k = 10, 50, 100에서 베이스라인보다 더 높은 재현율을 달성한다.
• SpatCode를 통한 단일 순회 ANN 검색은 다중 분기 또는 필터링된 접근법보다 더 낮은 질의 지연 시간을 달성한다.
• 순환적 증가 업데이트는 지연 급증을 줄이고 13개월 간의 스트리밍 데이터에서도 안정적인 성능을 유지한다.
• 가중 관심 기반 검색은 모달리티별 조정을 효율적으로 가능하게 하며 일부 데이터셋에서 여러 설정에서 재현율을 1.0에 가깝게 달성한다.
• 실험 전반에 걸쳐 SpatCode는 재현율과 효율성에서 ThalDB, Filtered, Hybrid 베이스라인을 일관되게 앞선다.