现代图像检索方法通常依赖于微调预训练的编码器来提取图像级描述符。然而，最广泛使用的模型是在类别有限的ImageNet-1K上预训练的，因此预训练的特征表示不够通用，难以很好地泛化到多样化的开放世界类别。在本文中，我们首先利用CLIP模型提取的联合文本和视觉特征，将大规模LAION 400M数据集聚类为一百万个伪类别。由于标签粒度的混淆，自动聚类的数据集不可避免地包含严重的类间冲突。

重排序方法利用高置信度检索样本来优化检索结果，已被广泛用作图像检索任务的后处理工具。然而，我们注意到重排序存在一个主要缺陷，即计算复杂度高，这导致实际应用中的时间成本难以承受。本文重新审视重排序，并证明重排序可以重构为一种高并行度的图神经网络 (Graph Neural Network, GNN) 函数。具体而言，我们将传统重排序过程分为两个阶段，即检索高质量图库样本和更新特征。