Hugging Face · 每日论文·2026-10-22 04:00· 2 天前AI 评分52

WeVisOne-VL：统一从对象到像素的视觉感知

WeVisOne-VL: Unified Visual Perception from Objects to Pixels

AI 导读

WeVisOne-VL 是一个统一对象级与像素级感知的视觉语言模型，支持检测、定位、计数、OCR、分割和抠图等任务，通过结构化 token 预测生成实例级像素输出，采用三阶段课程 SFT 和混合任务 RL 训练，在 30 多个基准上表现领先，并开放源码。