ImageBind是Meta AI的FAIR团队开发的AI模型，能够跨六种模态（图像、文本、音频、深度、热成像和IMU数据）学习联合嵌入，表现优异于零-shot分类任务，支持跨模态检索和生成等应用。
本文介绍了Point-Bind和Point-LLM两个模型，Point-Bind是一个多模态模型，将三维点云与二维图像、语言、音频和视频对齐，实现了许多有前景的应用。Point-LLM是第一个遵循三维多模态指令的三维大型语言模型，通过将Point-Bind的语义注入到预训练的LLM中，实现了出色的三维和多模态问答能力。希望这些模型可以为扩展三维点云到多模态应用的社区提供帮助。
Combine ImageBind with DocArray to implement a cross-modal search system
完成下面两步后，将自动完成登录并继续当前操作。
