「Google Colab」で「idefics2」を試したので、まとめました。 1. idefics2 「Idefics2」は、テキストと画像を入力し、テキストを出力するマルチモーダルモデルです。画像の質問応答、視覚的コンテンツの説明、複数画像をもとに物語作成、文書からの情報抽出などを実行できます。 ・HuggingFaceM4/idefics2-8b ・Hugg…