Hugging Face Blog·· 2024-05-14精选AI 评分62
Google 发布开源视觉语言模型 PaliGemma
PaliGemma – Google's Cutting-Edge Open Vision Language Model
AI 导读
Google 发布视觉语言模型家族 PaliGemma，由 SigLIP-So400m 图像编码器和 Gemma-2B 文本解码器组成，可输入图像与文本并输出文本。
推荐理由
Google 开源视觉语言模型 PaliGemma 的完整发布说明，含架构、三种 checkpoint 与微调路径，便于判断适用场景。
来源：Hugging Face Blog · huggingface.co