# 多語言圖像描述

Llama-3.2-11B-Vision-Instruct 是一個支持多語言的視覺-語言模型，可用於圖像文本到文本的轉換任務。

PaliGemma 2是Google開發的升級版視覺語言模型，結合了Gemma 2的能力，支持圖像和文本輸入，生成文本輸出，適用於多種視覺語言任務。

一個基於transformers庫的圖像轉文本模型，支持將圖像內容轉換為描述性文本。

PaliGemma是由Google開發的30億參數輕量級視覺語言模型，基於SigLIP視覺模型和Gemma語言模型構建，支持圖像和文本輸入生成文本輸出。

PaliGemma是一款多功能輕量級視覺語言模型(VLM)，基於SigLIP視覺模型和Gemma語言模型構建，支持圖像和文本輸入並生成文本輸出

PaliGemma是Google開發的輕量級視覺語言模型，基於SigLIP視覺模型和Gemma語言模型構建，支持多語言圖像文本理解與生成。

PaliGemma是Google開發的輕量級視覺語言模型，結合圖像理解和文本生成能力，支持多語言任務。