Описание
WeVisOne-VL — это сложная модель визуального языка, разработанная WeChat Vision, подразделением Tencent Inc. Эта модель основана на фреймворке Qwen3-VL и предназначена для объединения задач восприятия на уровне объектов и пикселей. Она способна обрабатывать обнаружение объектов с открытым словарем, локализацию по ссылке, подсчет объектов, указание объектов и оптическое распознавание символов (OCR).
Читать далее
Кроме того, она поддерживает задачи на уровне пикселей, такие как сегментация по ссылке и матирование альфа-канала по запросу.
Модель использует структурированное предсказание следующего токена и имеет легковесный декодер пикселей с 9,5 миллиона параметров. Ключевым компонентом WeVisOne-VL является mask_decoder.pt, который интегрирует адаптер визуальных признаков, декодер запросов с направляющей рамкой и голову плотного предсказания, зависящую от экземпляра. Эти компоненты работают вместе, чтобы уточнять предсказания и выводить альфа-каналы высокого разрешения.
WeVisOne-VL предназначена для исследовательских приложений в области визуального закрепления, локализации, указания, подсчета, OCR, сегментации и матирования изображений. Она не предназначена для автономного принятия решений или индивидуальной идентификации. Модель оптимизирована для восприятия изображений в одном цикле и не поддерживает видеосетки.
Модель выпущена под лицензией Apache 2.0, при этом сторонние компоненты сохраняют свои оригинальные лицензии. Пользователям рекомендуется ознакомиться с исходными файлами для получения конкретных деталей лицензирования.
- КатегорияИнструменты компьютерного зрения
- Модель ценообразованияОткрытый код
- РазвёртываниеОблако
- ПлатформыВеб
Главное о WeVisOne-VL
Унифицированная модель визуального языка
Восприятие на уровне объектов
Восприятие на уровне пикселей
Обнаружение объектов с открытым словарем
Сегментация по ссылке
Матирование альфа-канала по запросу
Структурированное предсказание следующего токена
Легковесный декодер пикселей
Начало работы с WeVisOne-VL
Доступ к странице модели: посетите страницу модели Hugging Face
Аутентификация: войдите в свою учетную запись Hugging Face
Настройка: настройте модель с необходимыми параметрами
Отправка запросов: введите ваши визуальные данные для обработки
Тонкая настройка: настройте параметры модели для конкретных задач
Варианты использования WeVisOne-VL
- Визуальное закрепление
- Обнаружение объектов
- Матирование изображений
- Локализация OCR
- Сегментация по ссылке
