腾讯发布统一视觉语言模型WeVisOne-VL

1. 04:00
   Hugging Face · 每日论文

   WeVisOne-VL：统一从对象到像素的视觉感知

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。