微信视觉团队开源 WeVisOne-VL，一个模型覆盖定位分割抠图

微信视觉团队正式开源视觉模型 WeVisOne-VL，同一套模型可以完成找物体、数数量、读文字、分割和抠图。模型用约 1 亿张标注图、约 36 亿个目标框训练，4B 版本在 Ref-ZOM 上回答“没有”的比例达 86.0%，在自建的 WeRef-Bench 上达 96.4%；抠图由模型内一个约 960 万参数的小模块完成，不用再外接 SAM。 项目已开源 2B、4B 两个版本的权重，并附带技术报告、教程、评测代码和标注工具 Mask2Alpha，采用 Apache 2.0 许可。可以先在网页 Demo 试用，也能在本地运行。当前版本只支持图片输入。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。