商汤 lança modelo visual 7B de código aberto, um único modelo faz detecção, segmentação e 3D

robot
Geração do resumo em andamento
ME AI mensagem, segundo o monitoramento Beating do 动察, a SenseTime lançou o SenseNova-Vision-7B-MoT. Ela unifica detecção de objetos, OCR, localização de pontos-chave, segmentação de imagens, estimativa de profundidade e reconstrução 3D multivista em tarefas de geração ou de texto/ imagens. Os usuários descrevem as necessidades com prompts de linguagem ou visuais, sem precisar instalar módulos dedicados para cada tipo de tarefa. No RefCOCOg para segmentação referenciada e no Cityscapes para segmentação semântica, o modelo alcançou 80,3 e 71,2, respectivamente, acima dos 73,8 e 69,9 do Vision Banana da DeepMind, da Google. A SenseTime também disponibilizou em paralelo o código de inferência, os pesos do modelo e 50 milhões de dados de instruções visuais. O código usa Apache 2.0 e os pesos do modelo usam CC BY-NC 4.0, apenas para uso não comercial. (Fonte: BlockBeats)
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
  • Recompensa
  • Comentário
  • Repostar
  • Compartilhar
Comentário
Adicionar um comentário
Adicionar um comentário
Sem comentários
  • Fixado