Google推出PaliGemma一个多功能的3B VLM用于迁移PaliGemma是一个基于SigLIP-So400m视觉编码器和Gemma-2B语言模型的开源视觉语言模型（VLM）。它被训练成一个多功能和广泛知识的基础模型，能够有效用于迁移。它在各种开放世界任务中表现出色。我们在近40个多样化的任务上评估了PaliGemma，包括标准的VLM基准测试，还包括更专业的任务，如遥感和分割。