Hugging Face Daily Papers·· 2 天前精选AI 评分52
WeVisOne-VL 统一对象级与像素级视觉感知
WeVisOne-VL: Unified Visual Perception from Objects to Pixels
AI 导读
微信团队提出 WeVisOne-VL，通过结构化 next-token prediction 把对象级与像素级视觉感知统一到一个 VLM 中，支持检测、指代定位、计数、OCR、分割和抠图。
推荐理由
论文给出统一对象级与像素级感知的架构与三阶段训练方案，并称在 30 多个基准上取得领先表现。
来源：Hugging Face Daily Papers · huggingface.co