Hugging Face 基于 Transformers 构建图像相似度系统教程

Hugging Face 演示如何利用 🤗 Transformers 和 Datasets 库构建图像相似度检索系统。该方案使用 `nateraw/vit-base-beans` ViT 模型提取图像嵌入向量，并通过余弦相似度计算匹配度。此方法支持并行处理，可扩展至 Swin Transformer、ConvNeXT 等其他视觉模型及多模态场景。