WeVisOne-VL-2B

Одна модель Tencent на замену пачке узких: детекция, поиск по описанию, счет объектов, указание точки, #OCR, сегментация и маттинг по подсказке

Все задачи сводятся к структурному предсказанию токенов, поэтому один проход закрывает рамки, маски и альфу в полном разрешении. Работает с одиночными картинками, сетку видео не принимает. Слабое место - сложная прозрачность и сильные перекрытия

• Находит объекты без заранее заданного списка классов
• Локализует по описанию словами и ставит точку на объекте
• Считает объекты и читает текст с координатами
• Режет объект по текстовому запросу
• Делает альфу с мягкими краями, например для вырезания человека

База Qwen3-VL, 2B

github.com/Tencent/WeVisOne-VL
huggingface.co/tencent/WeVisOne-VL-2B
huggingface.co/spaces/hugging-apps/wevisone-vl-4b

#detection #cv #segmentation