WeVisOne-VL

腾讯微信视觉团队开源了 WeVisOne-VL 视觉语言模型。

WeVisOne-VL 采用 Apache 2.0 许可证。

WeVisOne-VL 提供 2B 和 4B 两个参数规模的版本。

WeVisOne-VL 搭配一个 960 万参数的像素解码器。

WeVisOne-VL 将目标检测、OCR、计数、分割和 alpha matting 五类视觉任务统一进单一模型。

WeVisOne-VL 通过自然语言指令驱动不同视觉任务的输出。