PaliGemma 2 mix とは
本モデルは Google の Gemma 系に属する視覚言語モデルと紹介され、字幕生成や OCR、質問応答、検出、分割を扱う。3B、10B、28B のチェックポイントを視覚言語タスク向けに微調整できる。
できること
- 長短の字幕を生成し OCR を行う
- 画像への質問に答え物体を検出する
- 画像を分割し Vertex Model Garden にデプロイする
活用場面
- 短い動画に正確な字幕を付ける
- 質問応答で画像の要点を得る
- 分割で医学画像の解析を支える
長所と短所
✓ 良い点
- 元の PaliGemma から変更なしで移行できる
- 公式文書とサンプルコードが用意される
! 注意したい点
- 利用前にチェックポイントの規模と解像度を選ぶ必要がある
- 重みは Kaggle または Hugging Face から取得する
よくある質問
どの規模がある?
資料は 3B、10B、28B のチェックポイントと 224px、448px の解像度を挙げる。
対応フレームワークは?
資料は Hugging Face Transformers、Keras、PyTorch、JAX を挙げる。
最終評価日: 2026-11-15
その他 AIコーディングツール ツール
すべて見る →-
100 Vibe Coding 作りながら学ぶ vibe coding 無料ツール エンタープライズツール 開発者ツール API連携 コーディング -
10Web プロンプトから WordPress サイト(ホスティング付き) 無料ツール 開発者ツール ノーコード開発 コーディング サイト構築ツール -
16x Prompt AI コーディングのコンテキスト管理 無料ツール ワークフロー自動化 開発者ツール API連携 コーディング -
a0.dev チャットで作るモバイルアプリをストアへ 無料ツール 開発者ツール ノーコード開発 コーディング アプリ構築ツール -
Adalo ビジュアルキャンバスで作るノーコードアプリ 無料ツール 開発者ツール ノーコード開発 コーディング アプリ構築ツール -
AgentQL 自然言語でウェブからデータを抽出 フリーミアムツール 開発者ツール ブラウザ拡張機能 データ抽出 コーディング