Descripción
WeVisOne-VL es un sofisticado modelo de visión-lenguaje desarrollado por WeChat Vision, una división de Tencent Inc. Este modelo se basa en el marco Qwen3-VL y está diseñado para unificar tareas de percepción a nivel de objeto y a nivel de píxel. Es capaz de manejar la detección de objetos con vocabulario abierto, localización referida, conteo de objetos, señalización de objetos y reconocimiento óptico de caracteres (OCR).
Leer más
Además, admite tareas a nivel de píxel como la segmentación referida y el enmascaramiento alfa programable.
El modelo emplea una predicción estructurada del siguiente token y cuenta con un decodificador de píxeles ligero con 9.5 millones de parámetros. Un componente clave de WeVisOne-VL es el mask_decoder.pt, que integra un Adaptador de Características Visuales, un Decodificador de Consultas Guiadas por Caja y una Cabeza de Predicción Densa Condicionada por Instancia. Estos componentes trabajan juntos para refinar las predicciones y generar máscaras alfa de alta resolución.
WeVisOne-VL está destinado a aplicaciones de investigación en anclaje visual, localización, señalización, conteo, OCR, segmentación y enmascaramiento de imágenes. No está diseñado para la toma de decisiones autónomas o identificación individual. El modelo está optimizado para la percepción de imágenes en una sola interacción y no admite cuadrículas de video.
El modelo se publica bajo la Licencia Apache 2.0, con componentes de terceros que mantienen sus licencias originales. Se alienta a los usuarios a revisar los archivos fuente para obtener detalles específicos sobre la licencia.
- CategoríaHerramientas de visión artificial
- Modelo de preciosCódigo abierto
- ImplementaciónNube
- PlataformasWeb
Aspectos destacados de WeVisOne-VL
Modelo unificado de visión-lenguaje
Percepción a nivel de objeto
Percepción a nivel de píxel
Detección de objetos con vocabulario abierto
Segmentación referida
Enmascaramiento alfa programable
Predicción estructurada del siguiente token
Decodificador de píxeles ligero
Primeros pasos con WeVisOne-VL
Acceder a la página del modelo: Visita la página del modelo en Hugging Face
Autenticarse: Inicia sesión en tu cuenta de Hugging Face
Configurar: Configura el modelo con los parámetros necesarios
Enviar solicitudes: Introduce tus datos visuales para su procesamiento
Ajustar: Modifica la configuración del modelo para tareas específicas
Casos de uso de WeVisOne-VL
- Anclaje Visual
- Detección de Objetos
- Enmascaramiento de Imágenes
- Localización OCR
- Segmentación Referida
