腾讯开源 WeVisOne-VL:单模型统一检测、OCR、分割与抠图

腾讯微信视觉团队开源 WeVisOne-VL,提供 2B 和 4B 两个规格,基于 Qwen3-VL 构建,采用 Apache 2.0 协议,模型与论文均已上线。该模型用单个模型统一物体级与像素级视觉感知,支持开放词汇检测、指代定位、计数、OCR、分割与抠图等任务。论文指出现有 VLM 在细粒度视觉感知上不可靠,该工作通过结构化 next-token prediction 统一物体到像素的感知能力。

2026-10-26 ~ 2026-10-26 · 3 条相关

• 腾讯开源 WeVisOne-VL:一个模型统包检测、OCR、分割与抠图 — lmoroney · 2026-10-26
• WeVisOne-VL 论文上线 arXiv:统一物体到像素的视觉感知 — lmoroney · 2026-10-26

另有 1 条近重复转述:lmoroney