在Google Cloud上使用BigQuery深入研究图像嵌入和矢量搜索

编辑图片| chatgpt

＃简介

＃

我们都去过那里：通过在线商店无休止地滚动，试图找到完美的物品。在当今闪电般的电子商务世界中，我们期望立即成果，这正是AI正在介入以动摇事物的地方。

完美

这场革命的核心是图像嵌入。这是一个简单想法的奇特术语：让您不仅通过关键字来搜索产品，而且可以通过其视觉相似性来搜索产品。想象一下，仅通过上传图片就可以找到您在社交媒体上看到的确切连衣裙！这项技术使在线购物更聪明，更直观，最终使企业创造了更多的销售。

视觉相似性

准备查看它是如何工作的？我们将向您展示如何利用Bigquery的机器学习能力的力量，使用这些令人难以置信的图像嵌入来构建自己的AI-Drion式着装搜索。

＃图像嵌入的魔力

本质上，图像嵌入是将图像转换为高维空间中数值表示（向量）的过程。语义上相似的图像（例如，蓝色的球形礼服和海军蓝色连衣裙）将在这个空间中彼此“更接近”。这允许超越简单元数据的强大比较和搜索。

这是我们将在此演示中使用的一些礼服图像来生成嵌入。

演示将说明为Google Cloud上创建图像嵌入模型的过程。

第一步是创建一个模型：创建名为Image_embeddings_model的模型，该模型正在利用image_embedding dataset中的多模式almbedding@001端点。

第一步是创建模型 image_embeddings_model 多模式@001 image_embedding

创建或替换模型 
   `image_embedding.image_embeddings_model`
遥控连接`[project_id] .us.llm-connection“
选项 （
   endpoint ='Mult -Imodalembedding@001'
）；

创建一个对象表 external_images_table 生成嵌入 dress_embeddings

＃释放向量搜索的功能

// 结果