RADD는 멀티모달 지식 그래프 완성(MMKGC) 모델의 검색과 재평가 단계를 분리하기 위해 Retrieval-Augmented Discrete Diffusion 프레임워크를 제안해요.
관계 인식 멀티모달 KGE 검색기는 전역 검색 및 증류 교사 역할을 하고, 조건부 이산 디노이저가 재평가를 위해 후보 목록 수준의 개체-동일성 생성을 수행해요.
세 가지 MMKGC 벤치마크에서 RADD는 강력한 기준 모델보다 뛰어난 성능을 보였고, 각 구성 요소의 기여도를 확인하는 실험도 진행했어요.