Перейти к содержанию
modelium.
Начать с задачи
←
Новость

WeVisOne-VL: Tencent открыла модели 2B и 4B для поиска объектов и вырезания фона

На странице · 3 разделов

Tencent выложила веса WeVisOne-VL 2B и 4B: они могут находить и считать предметы на изображении, распознавать текст и выделять объект для удаления фона. Для локального запуска опубликованы код и примеры, но это пока не установка в один клик: редакция модель не запускала, а минимальные требования к памяти авторы не указали.

Tencent опубликовала два варианта WeVisOne-VL для работы с изображениями — 2B и 4B. Если вам нужно найти предмет на фотографии, посчитать его экземпляры или выделить человека для удаления фона, теперь можно изучить открытые веса и код для запуска на своём оборудовании. Это исследовательский инструмент, а не готовое домашнее приложение. s1 s2

Дата события: 23 октября 2026 года: в этот день в официальные репозитории Hugging Face загрузили веса и карточки обоих вариантов. Репозитории были созданы накануне; дату последнего изменения мы не выдаём за дату выпуска без истории коммитов. Проверено по источникам: 23 октября 2026 года. s6 s7

Что можно сделать с изображением

Авторы объединили в одной модели поиск предметов по названию или описанию, подсчёт, чтение текста на изображении и выделение области объекта. Для вырезания фона она выдаёт не только грубую маску, но и полупрозрачные края — это называют альфа-маттингом. Например, на снимке комнаты можно попросить найти диван и лампу; в другом сценарии — выделить человека. Примеры этих задач есть в официальном репозитории. s1

Есть два опубликованных варианта: WeVisOne-VL-2B и WeVisOne-VL-4B. Для каждого доступны основной файл весов model.safetensors и отдельный mask_decoder.pt, необходимый для задач с попиксельным выделением. Веса лежат в официальных репозиториях Tencent; это не просто карточки с обещанием будущей загрузки. Объём файлов на диске не является требованием к оперативной памяти или видеопамяти. s2 s3

Что известно о запуске и качестве

Авторы опубликовали Python-пакет, примеры задач и демонстрационное приложение Gradio. Их основной путь требует установки проекта и зависимостей в среде Python 3.10, затем загрузки модели из Hugging Face. Это путь для человека, знакомого с настройкой Python, не проверенный Modelium домашний рецепт. Необходимый минимум оперативной и видеопамяти и конкретная поддержка обычных домашних компьютеров в карточках не указаны; большой файл весов сам по себе не даёт такого минимума. s1 s2

По оценке самих авторов, вариант 4B набрал 89,6% точных ответов в PixMo-Count test при подсчёте объектов против 82,8% у лучшего сравниваемого ими открытого варианта. Это конкретный тест с авторской методикой, а не обещание такой точности на ваших снимках: условия общего сравнения включают жадную генерацию и не более 1960 визуальных токенов на изображение. Редакция эти результаты независимо не повторяла. s1

Какие ограничения и права стоит учесть

Карточка называет использование исследовательским и предупреждает, что тонкие полупрозрачные границы чувствительны к разрешению, перекрытию объектов и формулировке запроса; высокорисковые решения и идентификация людей не входят в заявленное назначение. Любой результат чтения текста или подсчёта на важном изображении следует перепроверить вручную. s2

В LICENSE для каждого варианта Tencent прямо относит опубликованные ею код, параметры и веса к Apache-2.0; сторонние компоненты сохраняют собственные условия. Код репозитория автора также помечен Apache-2.0. Это различие важно для коммерческого применения: перед использованием конкретной сборки проверьте условия её зависимостей и сохраняйте предусмотренные уведомления. Открытые веса не означают автоматически, что любой набор зависимостей свободен от дополнительных условий. s4 s5 s1

Следующий шаг: откройте официальный репозиторий проекта и его примеры, если умеете настраивать Python; для быстрого знакомства с возможностями сначала посмотрите перечисленные задачи и ограничения, не скачивая многогигабайтные файлы. s1

Источники