Google、画像や音声も扱う埋め込みモデルの技術報告書
出典:Google公式
詳細を読む
Googleは、文章だけを扱っていたオープン埋め込みモデルを拡張した「EmbeddingGemma 2」の技術報告書を公開しました。このモデルは文章、画像、音声、動画を、単独でも組み合わせても一つの埋め込み空間に写像し、モデル本体をより小さくまとめています。
埋め込みモデルは、異なるデータを検索や比較に使いやすい数値表現へ変換します。複数の形式を共通の空間で扱えるため、文章と画像などをまたぐ処理に利用できる設計です。
報告書では、モデルの学習戦略、評価方法、実験結果を詳しく説明しています。Googleによると、その開発手法にはGemma 4とGemini Embedding 2の最新技術を土台にした工夫が盛り込まれています。
Googleは、EmbeddingGemma 2の仕組みと開発過程を解説する約5分の動画も案内しています。報告書の詳細は、公式の技術報告書で確認できます。