本期解读论文:WeVisOne-VL: Unified Visual Perception from Objects to Pixels
作者:Tianming Liang*, Junyi Pan*, Yuxi Li*, Canmiao Fu, Zhipeng Huang, Chong Sun†, Chen Li‡, Jing Lyu(腾讯微信视觉团队)
论文链接:https://arxiv.org/abs/2610.31329
代码库:暂未开源,官方已宣布将向开源社区开放2B/4B两个参数规模的模型权重
核心亮点:
1. **全任务统一视觉感知范式**:首次通过单一自然语言接口打通从对象级检测、定位到像素级分割、抠图的全链路视觉任务,彻底打破传统感知模型任务割裂的部署痛点,无需依赖多个独立大模型即可完成所有稠密视觉输出。
2. **亿级规模自研数据引擎WDE**:构建包含超1亿张图像、36亿个标注框的高质量训练数据集,通过共享知识图谱组织语义概念,多专家模型交叉校验+人工抽检+迭代难例挖掘,从根源上解决大模型幻觉、漏检小目标、误判不存在目标的行业通病。
3. **轻量高效的创新模型架构**:基于Qwen3-VL backbone改造,用<0>到<1000>的专属token编码归一化坐标,仅新增极轻量像素解码器,通过