DeepMind发布PaliGemma二代，最易微调「视觉语言全能王」

PaliGemma 2在图像描述、乐谱识别、医学报告生成等任务上取得SOTA成绩，并提供多种尺寸和分辨率版本；模型增强了视觉能力，易于微调，适用于OCR、分子结构、放射学等任务；通过提高分辨率和模型尺寸，PaliGemma 2在任务表现上显著提升，尤其在文本检测和放射报告生成中表现突出。