跳到正文
arXiv · 机器人与计算机视觉· Tianming Liang, Junyi Pan, Yuxi Li, Canmiao Fu, Zhipeng Huang, Chong Sun, Chen Li, Jing Lyu·· 27 天前AI 评分72

WeVisOne-VL:从物体到像素的统一视觉感知模型

WeVisOne-VL: Unified Visual Perception from Objects to Pixels

AI 导读

该报告介绍了 WeVisOne-VL(WeChat Vision All-in-One),这是一个通过结构化下一词预测来统一物体级和像素级感知的强大视觉语言模型。

来源:arXiv · 机器人与计算机视觉 · arxiv.org