Hugging Face、マルチモーダル埋め込みおよびリランカーモデルを発表
Hugging FaceはSentence Transformersライブラリにマルチモーダル埋め込みおよびリランカーモデルを公開した。この更新により、テキストと画像を共有ベクトル空間にマッピングすることで、クロスモーダル検索、視覚的ドキュメント検索、マルチモーダルRAGパイプラインが可能になる。VLMベースのモデルには8GB〜20GBのVRAMが必要。
Hugging Faceは、Sentence Transformersライブラリを更新し、マルチモーダル機能をサポートした。これにより、埋め込みモデルとリランキングモデルがテキストと画像を共有ベクトル空間にマッピングできるようになった。この機能により、テキストクエリで画像を検索したり、マルチモーダルRAGパイプラインを構築したりなどのクロスモーダル検索タスクを実行できるようになった。Qwen3-VL-2Bなどのモデルがサポートされており、2Bバリアントを効率的に操作するには最低8GBのVRAMが必要であり、8Bバリアントの場合は20GBが必要となる。