商汤开源 du modèle visuel 7B, un seul modèle pour gérer la détection, la segmentation et la 3D

robot
Création du résumé en cours
ME AI消息, selon la surveillance Beating d’@K, SenseNova-Vision-7B-MoT. Il combine la détection d’objets, l’OCR, le repérage de points clés, la segmentation d’images, l’estimation de profondeur et une reconstruction 3D multi-vues, unifiées en tâches de génération d’images ou de texte. Les utilisateurs décrivent leurs besoins via des invites en langage ou en vision, sans avoir à installer un module spécialisé pour chaque tâche. Sur RefCOCOg pour la segmentation par désignation et Cityscapes pour la segmentation sémantique, ce modèle atteint 80,3 et 71,2, au-dessus de Vision Banana de Google DeepMind, à 73,8 et 69,9. Le groupe SenseTime ouvre en parallèle le code d’inférence, les poids du modèle et 50 millions de données d’instructions visuelles. Le code est sous Apache 2.0, les poids du modèle sous CC BY-NC 4.0, uniquement pour un usage non commercial. (Source : BlockBeats)
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
  • Récompense
  • Commentaire
  • Reposter
  • Partager
Commentaire
Ajouter un commentaire
Ajouter un commentaire
Aucun commentaire
  • Épinglé