Hugging Face Blog·· 2024-05-14精选AI 评分83
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 在 Hugging Face 发布了开源视觉语言模型 PaliGemma，该模型结合 SigLIP 图像编码器和 Gemma-2B 文本解码器，提供 224x224、448x448 和 896x896 三种分辨率。
推荐理由
Google 开源了基于 SigLIP 和 Gemma 的多分辨率视觉语言模型，提供了详细的微调指南和推理代码。
来源：Hugging Face Blog · huggingface.co