マルチモーダル検索

マルチモーダル検索とは、テキスト、画像、音声、動画など、異なる種類のデータ（モダリティ）を組み合わせて情報を探索する技術や手法を指す。例えば、スマートフォンのカメラで撮影した写真をもとに、その被写体に関する詳細情報をWebから検索する「画像検索」などが代表例である。AIの発展により、人間が視覚や聴覚で捉える情報をそのまま検索クエリとして利用できるようになり、より直感的で高度な情報アクセスが可能になっている。