டென்சென்ட் WeVisOne-VL வெளியிட்டது, பல படப் பணிகளுக்கு ஒரே மாடல்
டென்சென்டின் WeChat Vision குழு WeVisOne-VL என்ற திறந்த உரிமம் கொண்ட பார்வை மாடலை வெளியிட்டுள்ளது. இது 2B, 4B என இரண்டு அளவுகளில் கிடைக்கிறது. தனித்தனி கருவிகள் தேவையில்லாமல், பொருட்களை அடையாளம் காணவும், படங்களில் உள்ள எழுத்துகளைப் படிக்கவும், பொருட்களை எண்ணவும், பின்னணியிலிருந்து முக்கியப் பொருளை வெட்டி எடுக்கவும், நுணுக்கமான விளிம்புகளைப் பிரிக்கவும் இது ஒரே அமைப்பில் உதவுகிறது.
சொல் விளக்கம்Tencent, vision language model, alpha matting, OCR
- Tencent
- டென்சென்ட் என்பது WeChat செய்தி செயலி மற்றும் பிரபலமான ஆன்லைன் விளையாட்டுகளுக்கு அறியப்பட்ட ஒரு பெரிய சீன தொழில்நுட்ப நிறுவனம்.
- vision language model
- படங்களையும் எழுதப்பட்ட சொற்களையும் இரண்டையும் புரிந்துகொள்ளும் AI மாடல். படங்களைப் பற்றிய கேள்விகளுக்குப் பதிலளிக்கவும், அறிவுறுத்தல்களைப் பின்பற்றவும் இது முடியும்.
- alpha matting
- முக்கியப் பொருளை பின்னணியிலிருந்து பிரித்தெடுக்கும் நுட்பம். முடி போன்ற மென்மையான, நுணுக்கமான விளிம்புகளை அப்படியே வைத்திருக்கும்.
- OCR
- படம் அல்லது ஸ்கேன் செய்யப்பட்ட பக்கத்திலிருந்து அச்சிட்ட அல்லது கையால் எழுதிய சொற்களைப் படித்து, திருத்தக்கூடிய உரையாக மாற்றும் மென்பொருள்.
பர்னிங் பொட்டேட்டோ ஸ்கோர்: 63%