模型介绍
中文整理模型用途
MegaPairs 是一种数据合成方法，利用开放域图像创建异构 KNN 三元组，用于通用多模态检索。该数据集包含超过 2600 万个三元组，并训练了一系列多模态检索模型 BGE-VL，包括 BGE-VL-CLIP（base 和 large 版本）以及 BGE-VL-MLLM。
主要能力
BGE-VL 在四个流行的零样本组合图像检索基准测试和大规模多模态嵌入基准测试（MMEB）上取得了最先进的性能。实验表明 MegaPairs 具有高效性、可扩展性和泛化能力。BGE-VL-base 模型仅有 1.49 亿参数，在 CIRCO 基准测试中超越了所有参数多出 50 倍的模型。BGE-VL-MLLM 在 CIRCO 基准测试上比之前的最佳模型提升了 8.1%。在 MMEB 基准测试上，BGE-VL-MLLM 实现了零样本最优性能。微调后，BGE-VL-MLLM 在 MMEB 分布外（OOD）数据集上比之前的最佳模型提升了 7.1%。
输入输出
输入：文本字符串、PIL 格式图像、本地路径、URL，或文本与图像的组合（字典格式）。模型会自动处理输入并返回相应的嵌入向量。输出：嵌入向量，可用于计算余弦相似度或执行检索任务。
运行要求
使用 Sentence Transformers 库或 transformers 库运行模型。
基本用法
安装 Sentence Transformers 库后，将文本、图像或图像与文本的组合传递给模型的 encode 函数，模型将自动处理输入并返回嵌入向量，然后可基于这些嵌入向量计算余弦相似度或执行检索任务。
许可证
MegaPairs 数据集的标注和 BGE-VL 模型采用 MIT 许可证。MegaPairs 中的图像来源于 Recap-Datacomp，后者采用 CC BY 4.0 许可证。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。