Maestro：Roboflow开源的多模态模型微调框架，支持PaliGemma 2、Florence-2和Qwen2.5-VL

Roboflow推出开源框架Maestro，简化多模态模型微调流程，支持PaliGemma 2、Florence-2和Qwen2.5-VL等主流模型，降低开发者定制视觉语言模型的技术门槛。

多模态模型在图像描述、视觉问答等任务中能力强大，但开发者微调时面临架构差异、训练流程复杂、工具链不统一等问题，增加定制门槛。

Roboflow开源Maestro框架，专门用于简化多模态模型微调，支持Google PaliGemma 2、Microsoft Florence-2、阿里巴巴Qwen2.5-VL三大主流模型，通过统一接口和标准化流程降低技术门槛。

• PaliGemma 2：Google第二代视觉语言模型，基于PaLI架构和Gemma构建，擅长图像理解、OCR等，Maestro提供完整微调支持；
• Florence-2：Microsoft统一视觉模型，通过提示词支持多任务，Maestro简化其微调流程；
• Qwen2.5-VL：阿里巴巴视觉语言模型，中文场景优势显著，Maestro方便领域适配。

Maestro核心特性：

1. 统一数据格式：支持COCO格式，自动转换不同模型所需格式；
2. 灵活训练配置：支持全量微调、LoRA等高效方法；
3. 完善评估工具：内置多模态任务评估指标，快速验证效果。

应用场景包括零售（商品图像自动标注）、医疗（医学影像分析辅助）、教育（智能答疑系统）；对开发者而言，Maestro是多模态AI应用开发的加速器，让工作标准化可复现。

Maestro的发布标志多模态模型微调工具链成熟，随着模型迭代和框架完善，未来将涌现更多创新应用，开发者可把握学习尝试时机。