ColPali是一个新型的视觉检索模型，旨在通过视觉语言模型（VLM）实现高效的文档检索。该模型的核心在于利用ColBERT架构和PaliGemma模型，结合视觉信息和文本信息，以提高检索的准确性和效率。

演示demo：https://huggingface.co/spaces/manu/ColPali-demo

ColPali模型的特点

1. 基于视觉语言模型：

• ColPali利用PaliGemma模型，这是一种能够同时处理图像和文本的多模态模型。它通过将文档的视觉特征与文本特征结合，增强了检索能力。

3. ColBERT架构：

• ColPali采用了ColBERT的架构，利用其独特的后期交互机制来提高检索的效率和准确性。该机制允许模型在查询和文档之间进行细粒度的相似性匹配，从而优化检索过程。

5. 高效的文档嵌入：

• 该模型通过将文档页面编码为多向量嵌入，能够有效地表示文档的视觉和文本信息。这种方法确保了在检索时能够快速匹配相关内容，提高了响应速度和准确性。

通过我们的新模型 ColPali，我们建议利用 VLM 在视觉空间中构建高效的多向量嵌入以进行文档检索。通过将 PaliGemma-3B 的 ViT 输出补丁馈送到线性投影，我们创建了文档的多向量表示。我们遵循 ColBERT 方法训练模型，以最大限度地提高这些文档嵌入和查询嵌入之间的相似性。

ColPali模型适用于多种需要高效文档检索的场景，包括：

• PDF文档检索：能够处理复杂的PDF格式文档，提取其中的视觉和文本信息进行检索。

• 多模态信息检索：在需要同时处理图像和文本的应用中，ColPali能够提供更为准确的检索结果。

我们使用 Python 3.11.6 和 PyTorch 2.2.2 来训练和测试我们的模型，但代码库与 Python >=3.9 和最新的 PyTorch 版本兼容。要安装该软件包，请运行：

pip install colpali-engine

快速体验：

import torch
from PIL import Image

from colpali_engine.models import ColPali, ColPaliProcessor

model_name = "vidore/colpali-v1.2"

model = ColPali.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="cuda:0",  # or "mps" if on Apple Silicon
).eval()

processor = ColPaliProcessor.from_pretrained(model_name)

# Your inputs
images = [
    Image.new("RGB", (32, 32), color="white"),
    Image.new("RGB", (16, 16), color="black"),
]
queries = [
    "Is attention really all you need?",
    "Are Benjamin, Antoine, Merve, and Jo best friends?",
]

# Process the inputs
batch_images = processor.process_images(images).to(model.device)
batch_queries = processor.process_queries(queries).to(model.device)

# Forward pass
with torch.no_grad():
    image_embeddings = model(**batch_images)
    query_embeddings = model(**batch_queries)

scores = processor.score_multi_vector(query_embeddings, image_embeddings)

ColPali 仍然使用文本作为查询，文档则是图像类型。在视觉encoder，也是利用多模态的视觉大模型来生成图片端的向量，但不仅仅只生成单个向量。而是利用VIT的patch embedding，来生成多个向量。直觉上确实是会有收益，因为一整页的pdf，只压缩在一个固定维度的向量中，那肯定有信息损失，而且以patch为单位生成embedding。

ColPali模型通过结合视觉语言模型和ColBERT架构，提供了一种高效的文档检索解决方案。其在多模态信息处理方面的优势，使其在实际应用中具有广泛的潜力。该存储库包含了用于训练ColPali模型的代码，便于研究人员和开发者进行进一步的探索和应用。

参考项目：https://github.com/illuin-tech/colpali?tab=readme-ov-file

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓