A equipe de visão do WeChat, da Tencent, lançou o WeVisOne-VL, um modelo de visão e linguagem que realiza detecção de objetos, reconhecimento de texto (OCR), contagem, segmentação e recorte de imagem com canal alfa. O modelo tem versões com 2 bilhões e 4 bilhões de parâmetros e inclui um decodificador de pixels com 9,6 milhões de parâmetros. Ele é licenciado sob Apache 2.0, o que permite amplo uso, sujeito aos termos da licença. O anúncio não apresenta resultados de benchmarks nem informa onde é possível baixar ou executar o modelo.
Por que importa
Desenvolvedores podem considerar usar um único modelo sob licença Apache 2.0 para cinco tarefas com imagens, mas, sem informações de acesso nem resultados de benchmarks, seu desempenho prático é incerto.
