PaliGemma2-3b-pt-224 とは
本モデルは Google による視覚と言語の仕組みと紹介され、SigLIP と Gemma 2 を組み合わせて画像とテキストを扱う。
できること
- 複数言語で画像の説明文を作る
- 視覚質問応答の課題をこなす
- 画像内の対象を検出し分割する
長所と短所
✓ 良い点
- 多様な視覚言語の課題に向けた微調整が可能
- 資料は強い多言語処理を挙げる
! 注意したい点
- 出力は画像とテキストの入力から得られる文
- 用途を絞るには微調整が要る
よくある質問
どのモデルを組み合わせる?
資料は視覚に SigLIP、言語に Gemma 2 を挙げる。
準備に必要なものは?
資料は transformers などの導入を挙げる。
最終評価日: 2026-11-15
その他 AI画像生成 ツール
すべて見る →-
123RF AI 画像ツールを内蔵したストック素材ライブラリ 無料ツール テキストから画像 画像編集 背景除去 画像高画質化 -
360智图 360 製の画像検索・ライセンス・AI 編集 無料ツール テキストから画像 背景除去 商品画像 モデル生成ツール -
360鸿图 中国語話者向けで、中国語のプロンプトに対応する画像生成 無料ツール クリエイターツール テキストから画像 アート生成ツール 画像から画像 -
a1.art 顔入れ替え付きのフィルター型画像生成 無料ツール クリエイターツール テキストから画像 アート生成ツール -
AI Anime Generator 写真とテキストからアニメ風アートへ フリーミアムツール クリエイターツール テキストから画像 画像から画像 画像から動画 -
AI Art Generator テキストのプロンプトからオリジナル作画の下書きへ フリーミアムツール クリエイターツール テキストから画像 画像編集 アート生成ツール