PaliGemma 2: tudo sobre IA do Google que identifica emoções em imagens

O PaliGemma 2 é uma IA projetada para interpretar e descrever imagens com precisão. Diferente de outros modelos que somente reconhecem objetos e cenas, o sistema consegue analisar o contexto, identificar possíveis sentimentos expressos por pessoas e criar descrições detalhadas. Em outras palavras, o software consegue associar alguns elementos visuais, como expressões faciais, a conceitos abstratos, como felicidade ou tristeza.

Para isso, a ferramenta combina visão computacional e processamento de linguagem natural. Dessa forma, ela avalia não só os componentes de uma imagem, mas também nuances emocionais presentes nela.

Entre as inovações trazidas pelo PaliGemma 2, está a habilidade de detectar emoções a partir de expressões faciais e linguagem corporal. A IA também é capaz de criar legendas detalhas para fotos, ilustrações ou pinturas. Além da simples identificação de objetos, a ferramenta descreve sensações que a imagem transmite e o contexto da cena, o que inclui relações e interações entre os elementos. O modelo também consegue identificar textos escritos em imagens, com interpretação de placas, documentos e anotações escritas à mão.

O modelo também se destaca em tarefas específicas, como interpretação de documentos médicos, como radiografias e tomografias, reconhecimento de fórmulas químicas e até leitura de partituras musicais. Além disso, a IA do Google promete contribuir para a acessibilidade, já que pode auxiliar pessoas com deficiência visual a terem melhor compreensão do conteúdo de imagens. A tecnologia também tem potencial de contribuir para segurança digital, detectando conteúdos sensíveis ou manipulados.

O PaliGemma 2 já está disponível para download em plataformas como Hugging Face e Kaggle, onde desenvolvedores podem baixar modelos e códigos para seus projetos. O modelo é compatível com várias plataformas, como Hugging Face Transformers, Keras, PyTorch, JAX e Gemma.cpp.

É possível usar diferentes bibliotecas para carregar e interagir com o PaliGemma 2, dependendo do ambiente de desenvolvimento utilizado. No Hugging Face, programadores podem carregar o modelo com poucas linhas de código usando o Transformers. Já no Kaggle, desenvolvedores conseguem experimentar a IA diretamente em notebooks prontos para uso.

Além do download do modelo de IA, o Google também disponibilizou instruções sobre como ajustar o PaliGemma 2 para aplicações específicas. É possível personalizar o modelo para atuar em diversas tarefas, como reconhecer padrões em imagens médicas, gerar descrições para pinturas ou até auxiliar na moderação de conteúdo, identificando imagens manipuladas, deepfakes ou conteúdos sensíveis.

O PaliGemma 2 foi desenvolvido para substituir e aprimorar o Gemma 1, primeiro modelo da família Gemma. A nova versão foi treinada com um conjunto de dados mais diversificado, sendo mais versátil e menos propensa a erros. Além disso, o software aprimorou a habilidade de identificar objetos e cenas, o que faz com que o sistema compreenda contextos mais complexos, como emoções e relações entre elementos visuais.

O modelo atual também pode criar legendas mais detalhadas, captando possíveis significados e interpretações. O PaliGemma 2 ainda demonstrou desempenho superior em tarefas técnicas, nas áreas de medicina, química e arte. A ferramenta foi otimizada para funcionar de maneira mais eficiente em diferentes frameworks, facilitando a implementação em diversos tipos de projeto.

Veja também: DeepSeek x ChatGPT: saiba principais diferenças entre as IAs concorrentes