Description
WeVisOne-VL est un modèle de vision-langage développé par WeChat Vision, une division de Tencent Inc. Il est conçu pour unifier les tâches de perception au niveau des objets et des pixels. Basé sur le cadre Qwen3-VL, WeVisOne-VL prend en charge une gamme de tâches visuelles, y compris la détection d'objets à vocabulaire ouvert, la localisation référentielle, le comptage d'objets, le pointage d'objets et la reconnaissance optique de caractères (OCR).
Lire la suite
De plus, il gère des tâches au niveau des pixels telles que la segmentation référentielle et le matting alpha promptable. Le modèle utilise une prédiction structurée du prochain jeton et dispose d'un décodeur de pixels léger de 9,6 millions de paramètres.
L'architecture de WeVisOne-VL comprend des jetons de coordonnées dédiés pour représenter des boîtes englobantes normalisées et des points. Il utilise un jeton d'instance spécial pour les tâches denses et intègre un décodeur de masques comme composant central. Ce décodeur combine un Adaptateur de Caractéristiques Visuelles, un Décodeur de Requêtes Guidées par Boîte et une Tête de Prédiction Dense Conditionnée par Instance pour affiner les prédictions et produire des alpha mattes en pleine résolution.
WeVisOne-VL est destiné à des fins de recherche dans le domaine de l'ancrage visuel, de la localisation référentielle, du pointage, du comptage, de la localisation OCR, de la segmentation référentielle et du matting d'images. Il n'est pas conçu pour la prise de décision autonome à fort impact ou l'identification individuelle. Le modèle est efficace pour générer des sorties structurées mais ne prend pas en charge le raisonnement explicite en chaîne et est actuellement limité à la perception d'images en un seul tour.
Le modèle est publié sous la licence Apache 2.0, avec des composants tiers conservant leurs licences d'origine. Il a été téléchargé plus de 1 000 fois au cours du dernier mois, ce qui indique sa popularité croissante dans la communauté de recherche.
- CatégorieModèles d'IA et LLM
- Modèle tarifaireGratuit
- DéploiementCloud
- PlateformesWeb
Points forts de WeVisOne-VL
Modèle unifié de vision-langage
Perception au niveau des objets
Perception au niveau des pixels
Décodeur de pixels de 9,6 millions de paramètres
Prédiction structurée du prochain jeton
Jetons de coordonnées dédiés
Jeton d'instance spécial pour les tâches denses
Licence Apache 2.0
Premiers pas avec WeVisOne-VL
Accéder à la page du modèle : Visitez la page Hugging Face pour WeVisOne-VL
Authentifier : Assurez-vous d'avoir les autorisations nécessaires pour accéder au modèle
Configurer : Configurez les paramètres du modèle selon vos besoins de recherche
Envoyer des invites : Saisissez vos tâches visuelles pour traitement
Affiner : Ajustez le modèle pour des tâches spécifiques si nécessaire
Cas d'utilisation de WeVisOne-VL
- Détection d'Objets
- Localisation Référentielle
- Comptage d'Objets
- Localisation OCR
- Matting d'Images
