Das WeChat-Vision-Team von Tencent hat WeVisOne-VL veröffentlicht, ein Vision-Language-Modell für Objekterkennung, Texterkennung (OCR), Zählen, Segmentierung und Alpha-Matting. Das Modell ist mit 2 Milliarden und 4 Milliarden Parametern erhältlich und enthält einen Pixel-Decoder mit 9,6 Millionen Parametern. Es steht unter der Apache-2.0-Lizenz, die eine breite Nutzung gemäß den Lizenzbedingungen erlaubt. Die Ankündigung enthält keine Benchmark-Ergebnisse und nennt weder Bezugsquellen noch Möglichkeiten, das Modell auszuführen.
Warum es wichtig ist
Entwickler können ein Apache-2.0-Modell für fünf Bildaufgaben in Betracht ziehen. Ohne Angaben zum Zugang und ohne Benchmark-Ergebnisse lässt sich seine praktische Leistungsfähigkeit jedoch nur schwer einschätzen.
