谷歌发布PaliGemma 2视觉语言模型

谷歌发布了PaliGemma 2，这是其视觉语言模型的最新版本。该模型在图像理解、视觉问答和图像描述等任务上表现出色，支持多种分辨率输入，并提供了不同规模的模型权重。PaliGemma 2基于Gemma 2语言模型和SigLIP视觉编码器，通过多任务训练实现了强大的视觉语言能力。模型已在Hugging Face上开源，可供研究者和开发者使用。