🚀 Google 全新发布 PaliGemma 2！视觉语言模型的新高峰！

PaliGemma 2 是 Google 最新推出的视觉语言模型，它结合了强大的 SigLIP 图像编码器和升级版 Gemma 2 文本解码器，在性能和灵活性上实现了显著提升。✨

PaliGemma 2 的亮点
多参数规模： 提供 3B、10B 和 28B 参数模型，满足从轻量到大规模任务的需求。
多输入分辨率： 支持 224x224、448x448 和 896x896，适配多样化应用场景，帮助开发者在效率与质量之间找到最佳平衡。
全面开源： 支持商用、微调和模型衍生，赋予开发者更大自由度。

模型能力
PaliGemma 2 基于多元化的数据集训练，包括：
WebLI： 多语言图文对，提升视觉语义理解、目标定位等能力。
CC3M-35L： 支持 34 种语言的翻译数据集，增强跨语言能力。
DOCCI 微调模型： 专注生成长篇、细致的图文描述，适用于复杂场景，比如文档理解和问答任务。

此外，PaliGemma 2 在细致的图文描述生成和视觉语义理解任务中展现了卓越表现。微调模型特别擅长处理复杂语境，并能有效结合世界知识生成高质量的结果。

应用与实际表现
PaliGemma 2 不仅具备强大的多任务适应能力，还支持高效的微调技术，如 LoRA 和 QLoRA，让开发者能够快速实现任务定制。基于 DOCCI 和 VQAv2 数据集的微调模型展示了其在图文生成与视觉问答领域的强大实力。

PaliGemma 2 的全面升级让它成为视觉语言领域的全能工具。无论是研究、商用还是创新应用，它都将为开发者带来无限可能！🎉

🤗 欢迎加入我们的中文社区：Chinese LLMs on Hugging Face，一起探索 PaliGemma 2 的更多可能性！
#AI创造营##视觉语言模型##PaliGemma2#