Tencent ra mắt WeVisOne-VL, mô hình thị giác ngôn ngữ thống nhất nhiều nhiệm vụ

Nhóm WeChat Vision của Tencent phát hành WeVisOne-VL, một mô hình thị giác ngôn ngữ Apache 2.0 với kích thước 2B và 4B. Mô hình này xử lý đồng thời phát hiện, OCR, đếm, phân đoạn và tạo mặt nền trong một mô hình duy nhất, kèm theo một bộ giải mã pixel có 9,6M tham số.