Google 发布 PaliGemma 2 Mix 视觉语言模型

Google 发布了 PaliGemma 2 Mix，这是一个基于 Gemma 2 的指令微调视觉语言模型系列，支持图像、视频和文本输入。该模型在多个视觉语言任务上进行了混合微调，包括图像描述、视觉问答、文档理解、视频理解等。PaliGemma 2 Mix 提供了多种尺寸（3B、10B、28B）和分辨率（224x224、448x448、896x896）的版本，并在 Hugging Face 上开源。模型采用 Apache 2.0 许可证，支持商业使用。