PaliGemma 2 mix 是什么
PaliGemma 2 mix 被介绍为 Google 推出的 Gemma 家族视觉语言模型,覆盖字幕生成、OCR、图像问答、目标检测与分割。它提供 3B、10B、28B 参数的预训练检查点,可针对各类视觉语言任务微调。
你可以用它做什么
- 生成长短字幕并进行 OCR 识别
- 对图像做问答并检测目标
- 分割图像并在 Vertex Model Garden 部署
应用场景
- 为短视频生成准确的字幕
- 通过图像问答获取图像中的关键信息
- 用分割功能辅助医学图像分析
优点与缺点
✓ 我们认可的地方
- 无需更改即可从原始 PaliGemma 升级
- 提供官方文档与示例代码
! 需要留意的地方
- 使用前需选定检查点规模与分辨率
- 模型权重需从 Kaggle 或 Hugging Face 下载
常见问题
提供哪些规模?
资料列出 3B、10B、28B 检查点及 224px、448px 两种分辨率。
兼容哪些框架?
资料列出 Hugging Face Transformers、Keras、PyTorch 与 JAX。
最后评测: 2026-11-15