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
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 零编程经验者用 ChatGPT 开发 ComfyUI 安卓客户端将上架 — ComfierUI · 2026-09-11
- FastH3-Live 升至 22fps：加速节点实测与 ComfyUI 显存避坑 — spartong945 · 2026-09-11
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11