Google 发布 PaliGemma 2 Mix 多任务指令视觉语言模型

Google 发布 PaliGemma 2 mix，这是一组在多种视觉语言任务上微调的指令型视觉语言模型，覆盖 3B、10B 和 28B 规模。文章展示了其处理开放式任务提示和检测定位任务的方式，并提供了通过 Transformers 进行推理的代码和在线演示。