SenseTime veröffentlicht universelles Vision-Modell SenseNova-Vision als Open Source

Das Technologieunternehmen SenseTime hat SenseNova-Vision, ein universelles Vision-Modell innerhalb seiner SenseNova-Grundmodellreihe, als Open Source veröffentlicht. Das Modell wurde entwickelt, um eine Reihe von Computer-Vision-Aufgaben zu verarbeiten, darunter Objekterkennung, optische Zeichenerkennung, Lokalisierung von Schlüsselpunkten, Bildsegmentierung sowie Tiefenschätzung und 3D-Rekonstruktion – alles innerhalb eines einzigen Systems.

Traditionell würden diese Funktionen separate, spezialisierte Modelle erfordern. SenseNova-Vision zielt darauf ab, diese Fähigkeiten zu konsolidieren, was die Entwicklung potenziell rationalisieren und die Effizienz von KI-Anwendungen steigern könnte. Das Modell unterstützt auch dichte geometrische Vorhersagen, wie z. B. die Schätzung von Oberflächennormalen, sowie Multi-View-3D-Aufgaben wie die Rekonstruktion von Punktwolken und die Schätzung der Kamerapose.

SenseTime hat außerdem den SenseNova-Vision Corpus-50M veröffentlicht, einen Datensatz für visuelle Anweisungen mit 50 Millionen Stichproben. Das Unternehmen plant, das Modell zukünftig in seine SenseNova U-Serie zu integrieren.

Diese Veröffentlichung könnte die Entwicklungsrichtung von Computer-Vision-Modellen und Open-Source-Beiträgen beeinflussen. Die Verfügbarkeit von offenen Daten und Modellen könnte die Schaffung neuartiger Anwendungen in verschiedenen Branchen fördern.