تیم بینایی WeChat در Tencent مدل بینایی‌ـ‌زبانی WeVisOne-VL را منتشر کرده است؛ مدلی که تشخیص اشیا، تشخیص متن (OCR)، شمارش، بخش‌بندی تصویر و جداسازی مات آلفا را انجام می‌دهد. این مدل در اندازه‌های 2 میلیارد و 4 میلیارد پارامتر عرضه شده و یک رمزگشای پیکسلی 9.6 میلیون‌پارامتری دارد. مجوز آن Apache 2.0 است و استفاده گسترده را با رعایت مفاد مجوز امکان‌پذیر می‌کند. در اطلاعیه، نتایج بنچمارک ارائه نشده و مشخص نیست کاربران از کجا می‌توانند مدل را دانلود یا اجرا کنند.
چرا مهم است
توسعه‌دهندگان می‌توانند برای پنج وظیفه تصویری، یک مدل با مجوز Apache 2.0 را در نظر بگیرند؛ اما بدون جزئیات دسترسی یا نتایج بنچمارک، عملکرد عملی آن روشن نیست.
