Recuperação multimodal
Mapa de embeddings
Clique em qualquer item para buscar os mais similares
Busca por similaridade
Clique em qualquer imagem ou texto no mapa para ver os itens mais próximos — a busca funciona entre modalidades!
Espaço compartilhado
Com CLIP, imagens e textos vivem no mesmo espaço vetorial — podemos comparar diretamente.
Busca cross-modal
Uma consulta de texto pode recuperar imagens, e vice-versa — sem precisar de tags manuais.
Indexação eficiente
Na prática, usa-se FAISS ou ScaNN para busca aproximada em bilhões de vetores.
💡 A busca funciona no espaço compartilhado — texto e imagem são comparáveis diretamente.
📌 Demonstração simplificada em 2D — na prática, CLIP usa embeddings de 512 ou 768 dimensões.