谷歌推出了開源視覺語言模型 PaliGemma，結(jié)合圖像處理和語言理解能力，支持多種視覺語言任務(wù)。

該模型具有多任務(wù)支持、30 億參數(shù)規(guī)模和 SigLiP 視覺編碼器與 Gemma 語言模型結(jié)合的特點(diǎn)。谷歌的貢獻(xiàn)推動了 AI 領(lǐng)域發(fā)展，為研究人員和開發(fā)者提供強(qiáng)大工具。PaliGemma 的開源特性意味著可以被廣泛使用、改進(jìn)和集成到各種產(chǎn)品和服務(wù)中。