专注于描述动漫风格图像的视觉语言模型，基于SmolVLM-500M-Base微调

专注于描述动漫风格图像的视觉语言模型，基于SmolVLM-500M-Base微调，训练数据包含18万组由大语言模型生成的合成图像/字幕对。

granite-vision-3.2-2b是一款紧凑高效的视觉语言模型，专为视觉文档理解设计，能够从表格、图表、信息图等中自动提取内容。

PaliGemma是由Google开发的30亿参数轻量级视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入生成文本输出。

PaliGemma是一款轻量级多功能视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持多语言图像文本交互任务。

PaliGemma是一款多功能轻量级视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入并生成文本输出

PaliGemma是Google开发的轻量级视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持多语言图像文本理解与生成。

PaliGemma是Google开发的轻量级视觉语言模型，基于SigLIP视觉模型和Gemma语言模型构建，支持多语言文本生成和视觉理解任务。

PaliGemma是一款多功能、轻量级的视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入，输出文本结果。

PaliGemma是一款多功能轻量级视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，能同时处理图像和文本输入并生成文本输出。

PaliGemma是Google开发的轻量级视觉语言模型，结合图像理解和文本生成能力，支持多语言任务。

PaliGemma是Google开发的多功能轻量级视觉语言模型(VLM)，基于SigLIP视觉模型和Gemma语言模型构建，支持图像和文本输入，输出文本结果。