Tencent ने WeVisOne-VL जारी किया, कई इमेज कामों के लिए एक ही मॉडल
Tencent की WeChat Vision टीम ने WeVisOne-VL जारी किया है, जो दो आकारों में आता है: 2B और 4B। इसके लिए अलग-अलग टूल की ज़रूरत नहीं पड़ती। यह एक ही सिस्टम में चीज़ें पहचान सकता है, तस्वीरों में लिखा टेक्स्ट पढ़ सकता है, वस्तुएँ गिन सकता है, विषय को बैकग्राउंड से अलग कर सकता है और बारीक किनारों को भी साफ़ तरीके से अलग कर सकता है।
आसान शब्दकोशTencent, vision language model, alpha matting, OCR
- Tencent
- एक बड़ी चीनी टेक्नोलॉजी कंपनी, जो मुख्य रूप से WeChat मैसेजिंग ऐप और लोकप्रिय ऑनलाइन गेम्स के लिए जानी जाती है।
- vision language model
- एक AI मॉडल जो तस्वीरों और लिखे शब्दों, दोनों को समझता है, और तस्वीरों के बारे में सवालों के जवाब दे सकता है या निर्देशों का पालन कर सकता है।
- alpha matting
- एक तकनीक जो किसी विषय को उसके बैकग्राउंड से काटती है और बाल जैसे नरम, बारीक किनारों को बरकरार रखती है।
- OCR
- एक सॉफ़्टवेयर जो फ़ोटो या स्कैन किए गए पेज से छपे या हाथ से लिखे शब्द पढ़कर उन्हें एडिट होने वाले टेक्स्ट में बदल देता है।
बर्निंग पोटैटो स्कोर: 63%