Google 发布 PaliGemma 2 Mix 指令微调视觉语言模型

Google 正式发布 PaliGemma 2 mix 视觉语言模型，基于 SigLIP 与 Gemma 2 在多项学术混合任务上完成指令微调。模型涵盖 3B、10B、28B 三种参数规模及 224x224、448x448 等分辨率，支持开放式提示词处理文档理解、OCR、长短图像描述、目标检测与图像分割。