Google 发布 SigLIP 2 多语言视觉语言编码器系列

Google 发布 SigLIP 2 多语言视觉语言编码器系列，采用扩展后的训练目标，以改善语义理解、定位和稠密特征；文中称其在各模型规模的零样本分类、图文检索及视觉表征迁移等核心能力上优于前代 SigLIP。该系列提供多种规模与固定分辨率版本，也发布了适用于动态分辨率和宽高比的 NaFlex 变体；文中称后者需使用 SigLIP2Model，或通过 pipeline API 调用。