WeVisOne-VL

它为视觉界面、图像分析和对象感知编辑流水线提供统一的感知组件。核心能力包括物体检测与指代表达定位、物体计数与指向、图像文字 OCR 以及实例分割掩码。

项目提供公开代码或模型权重链接，以及运行或适配系统的设置说明。其他特性包括连续 Alpha 抠图、960 万参数的像素解码器、归一化坐标词表和不存在物体拒识。