Qdrant/Unicom-ViT-B-32

来自 open-metric-learning 的 Unicom 模型的 ONNX 移植版本。

该模型旨在用于相似性搜索。

用法

以下是使用 FastEmbed 进行模型推理的示例。

from fastembed import ImageEmbedding

images = [
    "./path/to/image1.jpg",
    "./path/to/image2.jpg",
]

model = ImageEmbedding(model_name="Qdrant/Unicom-ViT-B-32")
embeddings = list(model.embed(images))

# [
#   array([ 0.04177791,  0.0550059 ,  0.00025418,  0.0252876 , ..., dtype=float32),
#   array([2.23932182e-03,  4.68995124e-02,  3.28772422e-03,  7.57176951e-02, ...], dtype=float32)
# ]