商汤科技开源通用视觉模型SenseNova-Vision

中国人工智能企业商汤科技宣布开源其通用视觉模型SenseNova-Vision，并将其纳入SenseNova平台。该模型采用单一架构处理多种任务，无需再依赖多个专用模型。

SenseNova-Vision整合了目标检测、光学字符识别（OCR）、关键点定位、图像分割、深度估计与3D重建等功能。此外，该模型还支持密集几何预测（包括表面法线估计）以及多维数据任务，如点云恢复与相机姿态估计。

为进一步优化模型性能，商汤科技同时发布了SenseNova-Vision Corpus-50M数据集，包含5000万个训练样本。该数据集将帮助开发者与研究人员在不同场景下提升模型表现。SenseNova-Vision计划近期集成至SenseNova U系列产品线，拓展其在商业与工业领域的应用。