Google I/O  2024／發表視覺語言模型PaliGemma及Gemma 2

編譯／夏洛特

在Google I/O  2024大會上，科技巨頭Google推出了功能強大的開放視覺語言模型（VLM）PaliGemma，並讓大家搶先了解即將推出的Gemma 系列模型的下一代產品Gemma 2

PaliGemma

Google新發布的PaliGemma 受到 Google視覺語言模型PaLI-3 的啟發，是經過預先訓練的 Gemma 變體、「Gemma 家族中的第一個視覺語言模型」，其基於開放組件（包括 SigLIP 視覺模型和 Gemma 語言模型）建構，目的是在各種視覺語言任務上實現一流的微調性能，能夠針對影像字幕、視覺問答、理解圖像內文字、物件偵測、物件切割等用例提供最佳應用。

更多新聞：改變遠端協作  Google整合 Starline 專案

PaliGemma 發布是AI功能的重大進步，為使用者提供了視覺語言任務的多方面解決方案，其主要優勢包括其多模式理解能力，使其能夠處理文字和圖像數據，實現更全面的理解和互動，或透過微調滿足廣泛的視覺語言任務，為開發人員提供靈活性和適應性。

Gemma 2

此外， Gemma 2則是基於Google開發人員和研究人員一直在尋求一個更大、易於運行和使用的開放式模型而產生的巔峰之作。該公司稱，270 億參數Gemma 2的性能，將優於「一些尺寸超過其兩倍的型號」。到目前為止，今年稍早推出的標準 Gemma 型號仍只有 20 億參數和 70 億參數版本，因此270 億參數型號可以說是邁出了相當大的一步。此外，Google還進行了優化，讓其可以在 GPU 或 Vertex AI 託管的單一 TPU 上高效運作。

雖然憑藉著擴展的參數數量和優化的架構，Gemma 2 有望突破AI創新的界限，推動機器學習技術進步，但目前Google尚未透露有關 Gemma 2 性能的全面數據。

參考資料：Tech Crunch、Beebom、Analytics India Mag

瀏覽 1,277 次