PaliGemma 2，Google开源的视觉语言模型，使用 PaliGemma 2 的多种模型大小（3B、10B、28B 参数）和分辨率（224 像素、448 像素、896 像素）优化任何任务的性能，可以为图像生成详细的、与上下文相关的长字幕，在化学式识别、乐谱识别、空间推理和胸部 X 光报告生成方面表现出色。

PaliGemma 2，Google开源的视觉语言模型，可以为图像生成详细的、与上下文相关的长字幕插图

官方博文：https://developers.googleblog.com/en/introducing-paligemma-2-powerful-vision-language-models-simple-fine-tuning/

模型下载地址：https://huggingface.co/collections/google/paligemma-2-release-67500e1e1dbfdd4dee27ba48



微信扫描下方的二维码阅读本文

PaliGemma 2，Google开源的视觉语言模型，可以为图像生成详细的、与上下文相关的长字幕插图1

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。