Il team WeChat Vision di Tencent ha rilasciato WeVisOne-VL, un modello vision-language in grado di svolgere rilevamento di oggetti, riconoscimento del testo (OCR), conteggio, segmentazione e alpha matting. Il modello è disponibile nelle versioni da 2 miliardi e 4 miliardi di parametri e include un decoder di pixel da 9,6 milioni di parametri. La licenza Apache 2.0 ne consente un ampio utilizzo, nel rispetto dei relativi termini. L’annuncio non riporta risultati dei benchmark né specifica dove sia possibile scaricare o usare il modello.
Perché conta
Gli sviluppatori possono valutare un unico modello con licenza Apache 2.0 per cinque attività legate alle immagini, ma senza informazioni sull’accesso né risultati dei benchmark, le sue prestazioni pratiche restano poco chiare.
