腾讯开源 WeVisOne-VL:一个模型统一检测分割抠图 OCR
_akhaliq · x · 2026-10-23
腾讯在 Hugging Face 发布 WeVisOne-VL，主打统一视觉感知：单个 VLM 覆盖从点、框到掩码和 alpha 抠图的多种输出形式。
能力包括目标检测、密集检测、计数、OCR、指代分割、推理分割、多目标分割与抠图，并能在目标不存在时可靠拒绝作答（如问图中不存在的「蓝色长颈鹿」时输出 none）。底层将像素级感知（分割/抠图）与对象级感知统一为 token 预测，从单个 <OBJ> token 即可生成 mask 与抠图。
所属事件:腾讯开源 WeVisOne-VL：单模型统一检测分割抠图与 OCR(4 条相关)→
「多模态」频道最新
- 网友用 Glimpse API 搭 Figma 设计比对工具，5 处缺陷全抓中 — AndrewDai · 2026-10-24
- Hi3D v1.0 发布：一张图生成百万面片高精度 3D 网格 — linoy_tsaban · 2026-10-23
- 新研究:面部动作可改变同一句话传达的自信度 — Limor_Raviv · 2026-10-23
- 腾讯发布 Hy-Nomas-Bench:280 例测视频世界模型可控性 — _akhaliq · 2026-10-23
- 快手可灵 4.0 上线 Runware API：30 秒 1080p 原生音频视频 — aziz4ai · 2026-10-23
- Civitai 免费写实模型 Jib Mix Moss Realistic 发布，8 步快速出图 — jib_reddit · 2026-10-23