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
- 开发者观点：生成式游戏不必实时渲染，回合制交互同样可行 — djcows · 2026-10-27
- Omniflash 与 Minimax H3 唇同步效果实拍对比 — Uszko_Visuals · 2026-10-27
- 用 MiniMax H3 生成的短片《Odissey of Aeons》 — Musikalandia · 2026-10-27
- 开源本地视频工作室 Remiqora Video：一个想法到 4K 成片 — inikolax · 2026-10-27
- 单个 HTML 文件无 LLM 调用即可生成创意图形与海报 — Afinetheorem · 2026-10-27
- 5000 美元悬赏微调儿童图像模型，ostris 以 MOSS 底座夺冠 — ostrisai · 2026-10-27