الوصف
WeVisOne-VL هو نموذج للرؤية واللغة تم تطويره بواسطة WeChat Vision، وهي جزء من شركة Tencent Inc. تم تصميمه لتوحيد مهام الإدراك على مستوى الكائنات والبكسلات. يعتمد على إطار عمل Qwen3-VL، يدعم WeVisOne-VL مجموعة من المهام البصرية بما في ذلك اكتشاف الكائنات ذات المفردات المفتوحة، والتحديد المرجعي، وعد الكائنات، والإشارة إلى الكائنات، والتعرف الضوئي على الحروف (OCR). بالإضافة إلى ذلك، يتعامل مع المهام على مستوى البكسل مثل التقسيم المرجعي وتقطيع ألفا القابل للتوجيه. يستخدم النموذج تنبؤات منظمة للرمز التالي ويتميز بمفكك بكسل خفيف الوزن يحتوي على 9.6 مليون معلمة.
قراءة المزيد
تتضمن بنية WeVisOne-VL رموز إحداثية مخصصة لتمثيل الصناديق المحيطة والنقاط العادية. يستخدم رمز حالة خاص للمهام الكثيفة ويجمع بين مفكك قناع كعنصر أساسي. يجمع هذا المفكك بين محول الميزات البصرية، ومفكك استعلام موجه بالصندوق، ورأس التنبؤ الكثيف المشروط بالحالة لتحسين التنبؤات وإخراج تقطيع ألفا بدقة كاملة.
يهدف WeVisOne-VL إلى الأغراض البحثية في التأسيس البصري، والتحديد المرجعي، والإشارة، والعد، وتحديد موقع OCR، والتقسيم المرجعي، وتقطيع الصور. لم يتم تصميمه لاتخاذ قرارات ذات تأثير عالٍ بشكل مستقل أو التعرف على الأفراد. النموذج فعال في إنتاج مخرجات منظمة ولكنه لا يدعم التفكير المتسلسل الصريح ومحدود حاليًا في إدراك الصور في جولة واحدة.
تم إصدار النموذج بموجب رخصة Apache 2.0، مع احتفاظ المكونات التابعة لجهات خارجية برخصها الأصلية. تم تنزيله أكثر من 1,000 مرة في الشهر الماضي، مما يدل على شعبيته المتزايدة في مجتمع البحث.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمجاني
- النشرسحابي
- المنصاتالويب
أبرز ملامح WeVisOne-VL
نموذج موحد للرؤية واللغة
إدراك على مستوى الكائنات
إدراك على مستوى البكسلات
مفكك بكسل يحتوي على 9.6 مليون معلمة
تنبؤ منظم للرمز التالي
رموز إحداثية مخصصة
رمز حالة خاص للمهام الكثيفة
رخصة Apache 2.0
البدء مع WeVisOne-VL
الوصول إلى صفحة النموذج: زيارة صفحة WeVisOne-VL على Hugging Face
المصادقة: التأكد من أن لديك الأذونات اللازمة للوصول إلى النموذج
التكوين: إعداد معلمات النموذج وفقًا لاحتياجات البحث الخاصة بك
إرسال المطالبات: إدخال المهام البصرية الخاصة بك للمعالجة
التعديل: ضبط النموذج لمهام محددة إذا لزم الأمر
حالات استخدام WeVisOne-VL
- اكتشاف الكائنات
- التحديد المرجعي
- عد الكائنات
- تحديد موقع OCR
- تقطيع الصور
