商汤 lanza un modelo de visión de 7B de código abierto que unifica detección, segmentación y 3D en un solo modelo

robot
Generación de resúmenes en curso
ME AI Un mensaje, según el monitoreo Beating de @Detec, Tongfang (商汤) publica SenseNova-Vision-7B-MoT. Combina la detección de objetivos, OCR, localización de puntos clave, segmentación de imágenes, estimación de profundidad y reconstrucción 3D multivista, unificándolo en tareas de generación de texto o de imágenes. Los usuarios describen sus necesidades con indicaciones de lenguaje o visuales, sin necesidad de instalar módulos especializados para cada tarea. En la segmentación por referencia RefCOCOg y la segmentación semántica de Cityscapes, el modelo obtiene 80,3 y 71,2 respectivamente, por encima de los 73,8 y 69,9 de Google DeepMind Vision Banana. Tongfang también abre simultáneamente el código de inferencia, los pesos del modelo y 50 millones de datos de instrucciones visuales. El código utiliza Apache 2.0, mientras que los pesos del modelo se distribuyen bajo CC BY-NC 4.0, solo para uso no comercial. (Fuente: BlockBeats)
Ver original
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
  • Recompensa
  • Comentar
  • Republicar
  • Compartir
Comentar
Añadir un comentario
Añadir un comentario
Sin comentarios
  • Fijado