টেনসেন্ট প্রকাশ করল WeVisOne-VL, অনেক ছবির কাজের জন্য একটাই মডেল
টেনসেন্টের WeChat Vision দল WeVisOne-VL প্রকাশ করেছে, একটি ওপেন-লাইসেন্সের ভিশন মডেল যা 2B ও 4B দুই আকারে পাওয়া যায়। আলাদা আলাদা টুল লাগার বদলে এই একটাই সিস্টেম বস্তু চিনতে পারে, ছবির লেখা পড়তে পারে, জিনিস গুনতে পারে, ব্যাকগราउন্ড থেকে মূল বিষয় আলাদা করতে পারে, এবং সূক্ষ্ম প্রান্ত আলাদা করার কাজও সামলাতে পারে।
সহজ শব্দকোষTencent, vision language model, alpha matting, OCR
- Tencent
- টেনসেন্ট: একটি বড় চীনা প্রযুক্তি কোম্পানি, যা মূলত WeChat মেসেজিং অ্যাপ ও জনপ্রিয় অনলাইন গেমের জন্য পরিচিত।
- vision language model
- vision language model: এমন একটি AI মডেল যা ছবি ও লেখা দুটোই বোঝে, এবং ছবি নিয়ে প্রশ্নের উত্তর দিতে বা নির্দেশ মানতে পারে।
- alpha matting
- alpha matting: এমন একটি কৌশল যা বিষয়বস্তুকে ব্যাকগราउন্ড থেকে কেটে আলাদা করে, আর চুলের মতো নরম ও সূক্ষ্ম প্রান্ত অক্ষত রাখে।
- OCR
- OCR: এমন সফটওয়্যার যা ছবি বা স্ক্যান করা পাতা থেকে ছাপা বা হাতে লেখা শব্দ পড়ে সম্পাদনাযোগ্য লেখায় রূপান্তর করে।
বার্নিং পটেটো স্কোর: 63%