微信开源4B视觉模型
摘要
腾讯微信视觉团队开源WeVisOne-VL，推出2B和4B两个版本，单一模型可完成目标检测、计数、OCR、物体定位、分割与精细抠图；4B版在密集目标检测F1达71.3，计数准确率89.6%。
原文片段
微信团队开源4B视觉模型：数数、识字、精细抠图 动察 Beating AI 快讯，腾讯微信视觉团队开源 WeVisOne-VL，推出 2B 和 4B 两个版本。它能在一套模型里完成目标检测、计数、OCR 文字识别、按描述定位物体、图像分割和精细抠图。比如让 AI 找出照片里穿红衣服的人，它可以标出位置，再抠出人物轮廓。如果图片里根本没有这个人，模型还能回答 None，减少凭空标出目标的情况。 传统方案通常需要检测模型、SAM 分割模型和抠图模型接力完成。WeVisOne-VL 基于 Qwen3-VL，把物体坐标编码成特殊 Token，再通过一个仅 960 万参数的像素解码器，生成分割掩码和…