乐鱼体育-谷歌发布全新PaliGemma 2视觉模型能识别人们的情绪

2025-01-10

　　【LEYU科技消息】在众多为人工智能（AI）赋予“视觉”能力的模型中，谷歌的PaliGemma模型占据一席之地。作为谷歌的视觉语言模型，它能够识别图像中的物体和文字。近日，谷歌正式推出了全新的PaliGemma 2模型，并已投入使用。

谷歌发布全新PaliGemma 2视觉模型能识别人们的情绪

　　PaliGemma初代模型已是一款实用的工具，能够识别图像中的物体，并为图像添加字幕，甚至还能为短视频添加字幕。PaliGemma的一个更为实用的功能是能够回答关于图像的问题。因此，它是一款功能强大的综合模型。

　　谷歌于今年5月正式向公众介绍了PaliGemma模型。谷歌希望PaliGemma 2能够成为初代模型的直接替代品。谷歌提供了多个版本的PaliGemma 2，包括30亿、100亿和280亿参数变体，以及224像素、448像素和896像素分辨率版本。

　　在其他规格方面，PaliGemma 2支持长文本字幕生成。谷歌表示，它将不仅仅局限于识别物体，还能识别人物并解读其情绪。因此，如果某人感到高兴、悲伤等情绪，PaliGemma 2都能捕捉到。

　　此外，该模型似乎还能识别场景中发生的更多内容，以讲述完整的故事。谷歌称，PaliGemma在识别乐谱、化学公式、识别深度以及制作胸部X光片报告方面表现更佳。谷歌为PaliGemma带来了相当显著的更新。如果你想使用它，可以在Hugging Face、Kaggle和Ollama平台上获取其代码。

　　谷歌还发布了其视频生成模型Veo的私有预览版。该公司在今年的谷歌I/O大会上宣布了这一消息。如果你正在使用谷歌的Vertex云平台，那么你将有机会进行尝鲜。你可以生成最高达1080p分辨率的视频。

-乐鱼体育

热门资讯

热门标签

企业数字化智能体 Agent AI 智能体企业智能体数智化AI底座 TitanIDE（社区版）免费在线代码编辑器 CloudIDE免费 TitanIDE免费云端IDE 平台工程 DevOps CloudOS 云原生开发平台落地平台工程云原生物联网开发平台云原生物联网物联网容器云 cloudos 微服务容器编排边端交付 TITANIDE 在线IDE 云原生开发远程研发 IDE TitanIDE 云端开发环境模板 K8s 不懂K8s也能用K8s