商汤开源视觉多模态模型
JaynitMakwana · x · 2026-07-13
SenseTime 发布/开源了 SenseNova-Vision-7B-MoT，主打“一个模型覆盖主要视觉任务”。
这条内容强调它把传统计算机视觉重新表述为可被语言或视觉提示词操控的多模态生成系统，并且不需要任务专用头。
同时它给出与 Google DeepMind Vision Banana 的对比成绩，声称在多个任务上更强，例如：
- RefCOCOg 指代表达分割：80.3 vs 73.8
- Cityscapes 语义分割：71.2 vs 69.9
- NYUv2 深度估计：98.1 vs 94.8
- NYUv2 法线估计：14.4 vs 17.8
发布文案还提到，这是建立在 SenseTime 十年视觉 AI 经验之上的新一代视觉多模态模型。
所属事件:商汤开源 SenseNova-Vision-7B-MoT(6 条相关)→
「多模态」频道最新
- 像素特效难题被攻克，团队开源背后的 Claude Skill — Promptmethus · 2026-10-27
- 业内预告:Google 明早或发布 Fable 视频模型回应 OpenAI — rand_longevity · 2026-10-27
- 作者实测 Fable 5.1 全自动执导 9 分钟 TSMC 纪录片，成本仅 $19.79 — drrickio · 2026-10-27
- AI 动作短片《EGO》发布，全片由 AI 生成 — primehouse_studio · 2026-10-27
- 用 AI 把说唱新歌 Bandit 做成 Æon Flux 风格动画 MV — bennash · 2026-10-27
- Scale CEO 把病毒式「精子视频」改造成可玩游戏 — alexandr_wang · 2026-10-27