商汤开源SenseNova-Vision，单模型比肩四大视觉专家模型

7月13日，商汤科技正式发布并全面开源日日新SenseNova-Vision理解生成统一视觉大模型。这是商汤日日新大模型体系在视觉能力上的一次重要升级——用一个模型同时搞定检测、分割、深度预测和3D重建。

行业此前的“统一视觉”，说穿了就是把目标检测、图像分割、深度预测等几个专家模型打包装在一起。外面看着是一个“统一”的视觉系统，里面各模块各干各的，本质还是割裂的。

问题就在这里。

商汤科技表示，SenseNova-Vision的核心变革在于让视觉成为通用基础模型的原生能力——模型在理解图像内容的同时，天然具备了对空间、形状、深度和物体关系的感知。

商汤公布的评测数据显示，SenseNova-Vision以单模型在四大核心视觉领域超越或比肩了各领域的专用专家模型。结构化视觉理解方面，模型在目标检测、指代检测、OCR和关键点定位等任务上全面领先同类通用模型，在稠密小目标检测和长尾类别识别等复杂场景下优势突出。稠密几何预测方面，深度估计和表面法向估计的精度已达到几何专用模型水准，在室内外多种场景下均保持较高稳定性。分割能力方面，模型覆盖通用分割、推理分割和交互式分割，其中推理分割任务受益于多模态理解力表现格外突出。

商汤科技近期在模型开源方面动作密集。一周前，商汤刚刚开源了SenseNova U1信息图增强版V2，该模型已在Hugging Face和魔搭社区上线，在BizGenEval困难测试集上得分50.3，较前代46.6有所提升。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。