Tencent
WeVisOne-VL-4B
この言語の紹介は準備中です。
モデルを見る日本語
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
この言語の紹介は準備中です。
TencentのWeChat Visionチームが開発した、画像内の物体からピクセルまでを統一的に扱う視覚言語モデル。Qwen3-VLを基盤とする2B版で、公開重みと推論コードを利用できる。構造化された次トークン予測と約960万パラメータのピクセルデコーダーを組み合わせる。(huggingface.co) 画像とテキストによる指示を基に、物体検出、指示対象の位置特定、物体数の計数、ポイント指定、O…