微信发布 WeVisOne-VL 统一视觉感知模型
热点事件观察中
微信发布 WeVisOne-VL 统一视觉感知模型
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
微信发布视觉语言模型 WeVisOne-VL（WeChat Vision All-in-One），用一个模型统一处理目标级和像素级视觉感知任务：检测、指代定位、计数、OCR、分割与抠图等。模型通过结构化下一 token 预测生成输出，并以特殊 token 接入轻量像素解码器给出实例级像素结果；训练分三阶段课程式监督微调，再加混合任务强化学习。 据论文作者称，该模型在 30 多个基准上于目标级和像素级两类任务中均取得领先表现。模型已开源，论文以报告形式发布。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 08:00
微信推出 WeVisOne-VL：统一目标级与像素级视觉感知报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- HuggingFace Daily Papers微信推出 WeVisOne-VL：统一目标级与像素级视觉感知
微信发布 WeVisOne-VL（WeChat Vision All-in-One）视觉语言模型，通过结构化下一 token 预测统一目标级与像素级感知，支持检测、指代定位、计数、OCR、分割与抠图等任务。模型以特殊 token 接入轻量像素解码器输出实例级像素结果，训练采用三阶段课程式 SFT 加混合任务 RL。在 30 多个基准上，该模型在两类任务上均取得领先表现，并已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。