每天听简报，了解最新科技、AI、软件资讯
腾讯的视觉模型WeVisOne，把识别物体和输出像素区域放进了同一套系统。用户可以要求它给出目标的位置点、边框，也可以拿到分割区域和抠图透明度。论文摘要说，模型通过一个特殊的对象词元，连接轻量像素解码器，再用分阶段监督训练和混合任务强化学习训练。它还支持数物体、读图片文字，并测试了目标根本不在图中时能否拒绝回答。作者称，在三十多个基准里评估了这些能力，模型和演示已提供给开源社区。这些结果来自论文评测；实际业务是否可靠，还要用自己的图像与漏检反例检验。
进度保存在本设备 · 登录同步