腾讯开源 WeVisOne-VL：从物体到像素的统一视觉感知
tencent · hf · 2026-10-23
腾讯发布 WeVisOne-VL，通过结构化 token 预测统一物体级与像素级视觉感知，单一模型支持检测、定位、计数、OCR、分割与抠图（matting）。
- 采用轻量级像素解码器与多阶段训练
- 开源 2B 版本（基于 Qwen3-VL），支持推理分割、指代分割、密集检测、指代抠图等任务
- 配图展示了从「穿 21 号球衣的球员」指代分割到多目标分割、α 抠图等能力演示
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
- 开发者吐槽:只用编程任务评模型,就像只看游泳选运动员 — VraserX · 2026-10-23
- 本地模型跑分乱象引吐槽：数字飙高却无配置可复现 — TheZachMueller · 2026-10-23
- 用 abliterated 本地模型给智能电视去除“广告与追踪” — TheZachMueller · 2026-10-23
- 实测称 Claude $200 档订阅价值达 API 价格 45.3 倍 — RexDouglass · 2026-10-23
- 用户实测：GPT-6.1 Sol 不适合长任务策略研究 — RexDouglass · 2026-10-23
- Dexmal 开源 VLA 模型 DM0.5 登陆 LeRobot，登顶 RoboColiseum — AdinaYakup · 2026-10-23