微信终于舍得开源模型了，最近，微信视觉团队开源 WeVisOne-VL 视觉模型，检测分割抠图一个模型完成。 腾讯微信视觉团队在 GitHub 开源视觉语言… · @ama_huangama · TwKit

@ama_huangama

微信终于舍得开源模型了，最近，微信视觉团队开源 WeVisOne-VL 视觉模型，检测分割抠图一个模型完成。 腾讯微信视觉团队在 GitHub 开源视觉语言模型 WeVisOne-VL，提供 2B 和 4B 两个版本，权重已上架 Hugging Face，它把目标检测、指代定位、计数、指点、文字识别、指代分割和抠图整合进一个模型，用一个 960 万参数的轻量像素解码器直接输出蒙版和透明度抠图，不需要另外接 SAM； 令我觉得比较惊讶的是，图里找不到目标时会回答 None，终于不再是瞎编了； 并且官方自测显示 4B 版在多项检测、计数和抠图基准上优于同级开源模型。 下边是相关的开源库和技术报告： GitHub 仓库：https://github.com/Tencent/WeVisOne-VL 技术报告：https://arxiv.org/abs/2610.31329

曝光 198 · 评论 1 · 点赞 3 · 书签 3