商汤开源7B视觉模型,一个模型包办检测、分割和3D

robot
摘要生成中
ME AI 消息,据 动察 Beating 监测,商汤发布 SenseNova-Vision-7B-MoT。它将目标检测、OCR、关键点定位、图像分割、深度估计和多视角 3D 重建,统一成文字或图像生成任务。用户用语言或视觉提示说明需求,不必为每项任务单独安装专用模块。 在 RefCOCOg 指代分割和 Cityscapes 语义分割中,该模型分别取得 80.3 和 71.2,高于谷歌 DeepMind Vision Banana 的 73.8 和 69.9。 商汤同步开放推理代码、模型权重和 5000 万条视觉指令数据。代码采用 Apache 2.0,模型权重采用 CC BY-NC 4.0,仅限非商业用途。 (来源:BlockBeats)
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 评论
  • 转发
  • 分享
评论
请输入评论内容
请输入评论内容
暂无评论