게시된 날짜: Nov 29, 2023
Amazon Titan Multimodal Embeddings를 활용하는 고객은 더욱 정확하며 상황에 맞는 다중 모달 검색을 수행하여 최종 사용자에게 적절한 권장 사항과 개인화 경험을 제공할 수 있습니다. 이제 Amazon Bedrock에서 Amazon Titan Multimodal Embeddings 파운데이션 모델에 액세스할 수 있습니다.
Titan Multimodal Embeddings 사용 시에는 콘텐츠용 임베딩을 생성한 후 벡터 데이터베이스에 저장할 수 있습니다. 최종 사용자가 텍스트와 이미지 조합을 검색 쿼리로 제출하면 해당 모델이 검색 쿼리용 임베딩을 생성한 후 저장된 임베딩과의 일치 여부를 확인하여 최종 사용자에게 관련 검색 결과 및 권장 사항을 제공합니다. 예를 들어 이미지 수억 개를 보유한 스톡 사진 업체는 이 모델을 사용해 검색 기능을 제공할 수 있습니다. 그러면 사용자가 특정 구, 이미지 또는 이미지와 텍스트 조합을 사용해 이미지를 검색할 수 있습니다. 모델을 추가로 사용자 지정하여 고유 콘텐츠 이해도를 높일 수도 있으며, 이미지-텍스트 페어를 사용해 결과를 미세 조정함으로써 더욱 적절한 결과를 제공할 수도 있습니다. 이 모델은 기본적으로 차원이 1,024개인 벡터를 생성합니다. 이 벡터를 사용하면 매우 정확하면서도 빠른 검색 환경을 구축할 수 있습니다. 생성되는 차원 수를 줄여 속도와 성능의 균형을 최적 상태로 유지할 수도 있습니다.
이제 미국 동부(버지니아 북부) 및 미국 서부(오레곤) AWS 리전에서 Amazon Bedrock의 Amazon Titan Multimodal Embeddings 파운데이션 모델을 사용할 수 있습니다. 자세히 알아보려면 AWS 뉴스 출시 블로그, Amazon Titan 제품 페이지 및 설명서를 참조하세요. Amazon Bedrock에서 Titan Multimodal Embeddings 사용을 시작하려면 Amazon Bedrock 콘솔로 이동하세요.