PaliGemma 2. Джерело: 9to5Google
Після анонсу Gemma 2 на I/O 2024 у травні, Google представляє нову версію моделі PaliGemma 2 — відкриту модель для обробки зображень та тексту.
Що відомоПерша версія PaliGemma була запущена в травні і використовувалася для таких завдань, як додавання підписів до зображень та відео, розпізнавання тексту на зображеннях, виявлення об'єктів, їх поділ на частини та відповіді на питання щодо візуального контенту.
PaliGemma 2 пропонує функцію «довгих підписів», яка дозволяє генерувати докладні описи зображень з огляду на дії, емоції та загальну атмосферу сцени. Модель доступна в кількох варіантах з розмірами 3B, 10B, 28B параметрів та різними дозволами.
Також покращено розпізнавання тексту та аналіз структури таблиць у документах. PaliGemma 2 показує відмінні результати у розпізнаванні хімічних формул, музичних партитур, просторовому мисленні та створенні звітів на основі рентгенівських знімків.
Google зазначає, що PaliGemma 2 можна легко замінити на попередню версію моделі, при цьому продуктивність покращується без необхідності великих змін у коді.
Моделі та код PaliGemma 2 вже доступні на платформах Kaggle, Hugging Face та Ollama.
Джерело: 9to5Google
Повідомлення Google анонсувала нову модель PaliGemma 2 для обробки зображень та тексту з'явилися спочатку на ITnet.
