Google 发布 PaliGemma 2 Mix 指令视觉语言模型

Google 发布 PaliGemma 2 Mix，这是基于 SigLIP 和 Gemma 2 的微调视觉语言模型，覆盖 OCR、长短描述、视觉问答、目标检测与图像分割等任务。模型提供 3B、10B、28B 三种参数规模和 224、448、896 三种分辨率，支持 HF Transformers 与 JAX 框架，并已开放演示。