# 高次元埋め込み

Jina Embeddings v4は、マルチモーダルおよび多言語検索用に設計された汎用埋め込みモデルで、グラフ、表、イラストを含むビジュアルに富んだ複雑なドキュメントの検索に特に適しています。

KURE-v1は韓国語テキスト検索に最適化された埋め込みモデルで、BAAI/bge-m3を微調整しており、韓国語検索タスクで優れた性能を発揮します。

CLIP ViT-B/32アーキテクチャに基づくONNX移植版で、画像分類と類似性検索タスクに適しています。

これはsentence-transformersに基づく文エンコーダーモデルで、文や段落を1024次元の密なベクトル空間にマッピングでき、意味検索やクラスタリングなどのタスクに適しています。

事前学習済みの双方向エンコーダで、ロシア語テキスト処理に適しており、大規模なソーシャルデータとウィキペディアで学習済み

自己教師ありDINO手法で訓練されたVision Transformer（ViT）画像特徴モデルで、画像分類や特徴抽出タスクに適しています。

これはsentence-transformersに基づく文の類似度モデルで、文や段落を768次元のベクトル空間にマッピングでき、クラスタリングや意味検索タスクに適しています。

MPNetアーキテクチャに基づく文埋め込みモデルで、テキストを768次元ベクトル空間にマッピングでき、意味検索やテキスト類似性タスクに適しています

SBERT-large-nli-v2は、BERTベースの大規模な文変換モデルで、文の類似度計算と特徴抽出に特化しています。