本文へスキップ

PaliGemma2-3b-pt-448

画像とテキストを受け取る視覚・言語モデル

公式サイトを見る

PaliGemma2-3b-pt-448 とは

本モデルは Gemma 2 の能力を受け継ぐ Google の視覚・言語モデルと説明されている。

できること

  • 画像とテキストをモデルに渡す
  • 画像の記述を生成する
  • ハードウェア上でデプロイし推論する

長所と短所

✓ 良い点

  • 大規模データセットに適した効率的な学習アーキテクチャ
  • 複数ハードウェアでのデプロイと推論に対応

! 注意したい点

  • 出力は画像とテキストの入力から生じるテキスト
  • 対象となる作業は視覚・言語の課題

よくある質問

開発元は?

資料は Google を開発元に挙げる。

出力は何?

説明は画像とテキストの入力からテキストを生成すると述べる。

最終評価日: 2026-11-15

その他 AI画像生成 ツール

すべて見る →

評価方法