腾讯微信视觉团队发布了视觉语言模型 WeVisOne-VL，可执行目标检测、文字识别（OCR）、计数、分割和 Alpha 抠图。该模型提供 20 亿和 40 亿参数两种规格，并搭载一个 960 万参数的像素解码器。模型采用 Apache 2.0 许可，遵守许可条款即可广泛使用。公告未提供基准测试结果，也未说明用户可以在哪里下载或运行该模型。
为什么重要
开发者可以考虑用一个采用 Apache 2.0 许可的模型处理五种图像任务；但目前缺少获取方式和基准测试结果，其实际表现仍不明朗。
腾讯发布 WeVisOne-VL，支持五种视觉任务
腾讯微信视觉团队推出 WeVisOne-VL，提供 2B 和 4B 两种规格，可处理多种图像理解任务，采用 Apache 2.0 许可。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
继续阅读
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。