腾讯开源WeVisOne-VL视觉模型
先了解这件事
腾讯混元发布WeVisOne-VL-2B和WeVisOne-VL-4B视觉模型,基于Qwen3-VL构建,集成9.5M和9.6M参数像素解码器,支持目标级感知(开放词汇目标检测、指向定位、计数、指向和OCR)与像素级感知(指向分割和可提示alpha摩擦),适用于视觉定位、指向、计数、OCR定位、指向分割和图像摩擦等研究任务。腾讯称发布旨在支持相关研究,不用于自主高影响决策或个人识别。WeVisOne-VL通过结构化token预测统一对象级和像素级视觉感知,在30项以上基准测试中表现领先,并保持对不存在对象的稳健拒绝。4B版本在Dense200密集检测上达71.3 F1分数。 WeVisOne-VL由腾讯WeChat Vision团队开发,模型权重在Hugging Face上开源,采用Apache 2.0许可。
AI 根据报道生成 · 更新于 14 天前
事件进展
2 个进展
- 10月23日 08:00 · 2 篇报道WeVisOne-VL 发布Hugging Face Daily Papers:WeVisOne-VL:从对象到像素的统一视觉感知模型
- 10月22日 17:47 · 2 篇报道腾讯混元 · Hugging Face 新模型腾讯混元 · Hugging Face 新模型:腾讯混元发布 WeVisOne-VL-4B 统一视觉语言模型
报道时间线
沿着报道,了解事件的不同侧面。
- MarkTechPost腾讯 WeVisOne-VL 统一检测、OCR、分割和 Matting
腾讯 WeChat Vision 团队发布开源视觉语言模型 WeVisOne-VL,包含 2B 和 4B 参数版本,支持检测、OCR、分割和 Matting,使用 9.6M 参数解码器输出像素结果,在 30+ 基准测试中超越同规模基线,4B 版本在 Dense200 密集检测上达 71.3 F1 分数。
- Hugging Face Daily PapersWeVisOne-VL:从对象到像素的统一视觉感知模型
WeVisOne-VL 通过结构化 token 预测统一对象级和像素级视觉感知,支持检测、定位、计数、OCR、分割和 matting 等任务,采用轻量级像素解码器和多阶段训练,在 30 项以上基准测试中表现领先,并保持对不存在对象的稳健拒绝。
- 腾讯混元 · Hugging Face 新模型腾讯混元发布 WeVisOne-VL-4B 统一视觉语言模型
腾讯混元发布 WeVisOne-VL-4B 模型,基于 Qwen3-VL 构建,集成 9.6M 参数像素解码器,支持目标级感知(开放词汇目标检测、指向定位、计数、指向和 OCR)与像素级感知(指向分割和可提示 alpha 摩擦),适用于视觉定位、指向、计数、OCR 定位、指向分割和图像摩擦等研究任务。
- 腾讯混元 · Hugging Face 新模型腾讯混元发布 WeVisOne-VL-2B 模型
腾讯混元发布 WeVisOne-VL-2B 模型,基于 Qwen3-VL 构建,集成 9.5M 参数像素解码器,支持目标级感知(开放词汇目标检测、指向定位、计数、指向和 OCR)与像素级感知(指向分割和可提示 alpha 摩擦),适用于视觉定位、指向、计数、OCR 定位、指向分割和图像摩擦等研究任务。