商汤开源统一视觉模型
liuziwei7 · x · 2026-07-14
SenseTime 开源了 SenseNova-Vision-7B-MoT，主打把多种视觉任务统一到一个生成式模型里，不再依赖任务专用 head。
官方宣称它可被语言或视觉提示词驱动，在多项视觉基准上保持有竞争力，并能处理未见过的复杂视觉任务。引用中还给出了与 Google DeepMind Vision Banana 的对比：在指代分割、语义分割、深度估计和表面法线等任务上指标更高。
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