Tencent의 WeChat Vision 팀이 Hugging Face에 WeVisOne-VL-4B 모델을 추가했습니다. Qwen3‑VL을 기반으로 한 이 모델은 개방형 어휘 객체 탐지와 개수 세기, OCR, 참조 분할, 알파 매트 추출을 한 번에 수행할 수 있습니다. 모델에는 경량 960만 매개변수 픽셀 디코더가 포함됐으며, 특수 좌표 토큰을 사용해 바운딩 박스와 마스크를 반환합니다. 이번 공개는 연구용으로만 이뤄졌으며, 자율적인 고영향 의사결정에 사용하도록 설계된 모델은 아닙니다.
왜 중요한가
연구자들은 여러 비전·언어 작업을 위해 별도의 시스템을 조합하지 않고도 하나의 모델로 다양한 실험을 할 수 있습니다.
