trail camera search

Imagem da câmera da trilha e pesquisa de vídeo com meta ai imagebind

Este exemplo demonstra como criar uma pesquisa multimodal (imagem e vídeo) usando o Meta AI ImageBind e o banco de dados do vetor tecelaviado e foi baseado em um exemplo da teatro aqui.

A consulta usando uma modalidade (por exemplo, texto) incluirá resultados em todas as modalidades disponíveis (por exemplo, imagens e vídeo), pois todos os objetos serão codificados em um único espaço vetorial.

Aqui está um link para um vídeo de demonstração que gravei se você não quiser jogar com o código.

Configuração tecelavata

O modelo ImageBind está disponível apenas com implantações locais com o Docker ou Kubernetes.

ImageBind não é suportado com serviços de nuvem teatrais (WCS).

Passos para implantar tevadores localmente com o ImageBind

1. Instale o docker.

   Se você é novo no Docker Compose , aqui estão as instruções sobre como instalá -lo.

2. Executar o WEAVIATE+BIND com o Docker Compose

   No terminal, navegue até o diretor raiz deste projeto e localize o arquivo docker-compose.yml e ligue para:

    docker compose up
   

   Nota #1 - Na primeira vez em que você executa o comando, o Docker baixará uma imagem ~ 6 GB.

   NOTA #2 - A execução desta imagem do Docker requer 12 GB de RAM. Se você estiver no Windows, precisará ajustar seu .wslconfig para incluir o seguinte:

    [wsl2]
   memory=12GB