Google、「PaliGemma 2 mix」公開：プロンプトで多様な画像タスクに対応
Googleは視覚言語モデルのチェックポイント「PaliGemma 2 mix」を公開した。混合タスク向けに調整されており、ファインチューニングなしでOCRや画像キャプション生成などを即座に実行できる。初代PaliGemma mixの利用者は変更不要で直接アップグレード可能だ。
PaliGemma 2
Googleが「PaliGemma 2」を発表：Gemma 2ベースで微調整も容易に
Googleはビジョン言語モデル「PaliGemma 2」を発表した。Gemma 2をベースに画像理解能力を備え、複数サイズを展開する。従来のPaliGemmaからコード変更を抑えて移行できる差し替え互換性を持ち、特定タスク向けの微調整が手軽に行える。