PaliGemma 2 Mix - New Instruction Vision Language Models by Google

Google 推出 PaliGemma 2 Mix 系列模型，為基於 Gemma 2 的全新開源指令微調視覺語言模型（VLM）。

Google 與 Hugging Face 合作推出了 PaliGemma 2 Mix 系列模型。這是專為指令遵循（Instruction-following）設計的輕量級視覺語言模型（VLM），結合了 SigLIP 視覺編碼器與 Gemma 2 語言解碼器。 PaliGemma 2 Mix 提供多種參數大小（包含 3B、10B 與 28B），並在多種視覺問答、圖像描述及目標檢測等任務上進行了混合微調，開箱即可展現優異的多模態理解能力。 開發者可直接在 Hugging Face 上取得權重，並透過 Transformers 庫輕鬆進行部署與微調。

摘要由 AI 整理,以原文為準。