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，用于训练 BGE-VL 系列多模态检索模型，包括 BGE-VL-CLIP（base 和 large 版本）和 BGE-VL-MLLM。
主要能力
BGE-VL 模型在零样本组合图像检索任务中表现优异，在 CIRCO 基准测试中，BGE-VL-base 仅用 1.49 亿参数就超越了参数多其 50 倍的模型。BGE-VL-MLLM 在 CIRCO 基准上比此前最优模型提升了 8.1%。该模型还在大规模多模态嵌入基准（MMEB）上实现了零样本最优性能，微调后在 MMEB 分布外数据集上比此前最优模型提升 7.1%。MegaPairs 展示了良好的可扩展性和泛化能力。
输入输出
模型支持文本、图像以及文本+图像组合输入。图像需调整为 512×512 分辨率，因为模型训练时使用该分辨率。查询输入可附加任务指令作为提示语，若作为候选样本则无需提示语。
运行要求
推荐使用 transformers==4.45.2 版本。
基本用法
通过 Sentence Transformers 库使用模型。首先安装 Sentence Transformers。加载模型时，图像必须调整为 512×512 分辨率。可使用任务指令格式化查询输入，或省略指令以格式化候选样本。
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。