#多模态Embedding

Google开源EmbeddingGemma2：文字与图片同处一个向量空间

Google开源多模态Embedding模型EmbeddingGemma2，支持文字、图片、音频、视频转换为同一向量空间的768维数字。本文通过300张动物照片的实战演示，解析跨模态检索为何分数偏低、如何用点积排序以及向量截断省空间的技巧。