腾讯 WeVisOne-VL 发布:统一物体级到像素级视觉感知
jacek2023 · reddit · 2026-10-23
腾讯微信视觉团队(WeChat Vision)开源发布统一视觉语言模型 WeVisOne-VL,基于 Qwen3-VL 构建,提供 2B/4B 等规格。
模型用一个结构化 next-token prediction 框架加一个仅 9.6M 参数的轻量像素解码器,统一了两类感知任务:
- 物体级感知:开放词表目标检测、指代定位、物体计数、指向、OCR
- 像素级感知:指代分割、可提示 alpha matting(抠图)
模型已上架 Hugging Face(tencent/WeVisOne-VL)。
所属事件:腾讯开源 WeVisOne-VL 统一视觉感知模型(3 条相关)→
「模型」频道最新
- Claude 全代码生成 11 分钟末日短片:AI 不反抗,只是等待 — ZeroStateReflex · 2026-10-23
- Gemini 竟读不到自己的 Personal Instructions,用户反复开关设置无效 — Connect_Reporter_799 · 2026-10-23
- 扩散语言模型的偏见排名随采样配置改变,去偏后仍不稳定 — Bollegala · 2026-10-23
- 月付 20 美元同时跑 100 个 DeepSeek v4.1 flash agent — zack_overflow · 2026-10-23
- 从业者感叹开源音频模型连表征类质量都普遍拉胯 — gowthami_s · 2026-10-23
- 网友自曝用 Claude Opus 5.5 生成视频，泄露未发布模型名 — jwt0625 · 2026-10-23