HuggingFace Daily Papers· Tianming Liang, Junyi Pan, Yuxi Li, Canmiao Fu, Zhipeng Huang, Chong Sun, Chen Li, Jing Lyu·2026-10-22 04:00· 4 天前精选AI 评分65

WeVisOne-VL: 从目标到像素的统一视觉感知

WeVisOne-VL: Unified Visual Perception from Objects to Pixels

AI 导读

WeVisOne-VL 是一种强大的视觉语言模型，通过结构化下一词预测统一了目标级和像素级感知能力。该模型支持多种视觉任务，包括目标检测、指代定位、计数、OCR、分割和matting，能够在用户指定的任何粒度上进行定位，从点到框再到mask和alpha mattes。

推荐理由

通过结构化下一词预测统一目标级与像素级感知，WeVisOne-VL 在30多个基准测试中领先，为VLMs迈向可靠感知系统提供新路径。