SenseTime publie son modèle de vision unifié SenseNova-Vision en open source

La société technologique SenseTime a publié et rendu open source SenseNova-Vision, un modèle de vision unifié au sein de sa suite de modèles fondamentaux SenseNova. Le modèle est conçu pour traiter une gamme de tâches de vision par ordinateur, y compris la détection d'objets, la reconnaissance optique de caractères, la localisation de points clés, la segmentation d'images, ainsi que l'estimation de la profondeur et la reconstruction 3D, le tout au sein d'un système unique.

Historiquement, ces fonctions auraient nécessité des modèles séparés et spécialisés. SenseNova-Vision vise à consolider ces capacités, ce qui pourrait rationaliser le développement et améliorer l'efficacité des applications d'IA. Le modèle prend également en charge la prédiction géométrique dense, telle que l'estimation des normales de surface, ainsi que les tâches 3D multi-vues comme la reconstruction de nuages de points et l'estimation de la pose de la caméra.

SenseTime a également lancé SenseNova-Vision Corpus-50M, un ensemble de données d'instructions visuelles comprenant 50 millions d'échantillons. L'entreprise prévoit d'intégrer le modèle dans sa série SenseNova U à l'avenir.

Cette publication pourrait influencer la trajectoire de développement des modèles de vision par ordinateur et les contributions open source. La disponibilité de données et de modèles ouverts pourrait favoriser la création d'applications novatrices dans diverses industries.