使用LLMS中亚马逊Q业务中图像文件中的上下文提取

在这篇文章中,我们查看了一个分步实现,用于在Amazon Q Business应用程序中使用自定义文档丰富(CDE)功能来处理独立图像文件。我们将带您浏览CDE中配置的AWS lambda功能来处理各种图像文件类型,并展示该集成如何增强Amazon Q业务提供全面见解的能力的示例场景。

来源:亚马逊云科技 _机器学习
为了有效地传达复杂的信息,组织越来越多地通过图表,图表和技术插图依赖视觉文档。尽管文本文档已充分融入现代知识管理系统,但图表,图表,技术示意图和视觉文档中包含的丰富信息通常无法访问搜索和AI助手。这在组织知识基础上造成了很大的差距,从而导致手动解释视觉数据,并防止自动化系统使用关键的视觉信息进行全面的见解和决策。尽管Amazon Q业务已经在文档中处理了嵌入式图像,但自定义文档丰富(CDE)功能通过处理独立的映像文件(例如JPG和PNG)大大扩展了这些功能。在这篇文章中,我们查看逐步实现用于在Amazon Q Business应用程序中使用CDE功能的逐步实现。我们将带您浏览CDE中配置的AWS lambda功能来处理各种图像文件类型,并展示了该集成如何增强Amazon Q业务提供全面见解的示例场景。 By following this practical guide, you can significantly expand your organization’s searchable knowledge base, enabling more complete answers and insights that incorporate both textual and visual information sources.Example scenario: Analyzing regional educational demographicsConsider a scenario where you’re working for a national educational consultancy that has charts, graphs, and demographic data across different AWS Regions stored in an Amazon Simple Storage Service (Amazon S3) bucket.下图显示了使用条形图在各个城市划分的学生分布。此类可视化的见解对于决策很有价值,但传统上锁定在您的S3存储器和其他存储中的图像格式中。在Amazon Q Business和CDE中,我们显示Y