商汤发布并开源 SenseNova-Vision 理解生成统一视觉大模型，能力超越 Vision Banana

商汤科技今日发布并全面开源日日新 SenseNova-Vision 理解生成统一视觉大模型。该模型将目标检测、图像分割、深度预测、3D 重建等经典视觉任务实现原生统一，以单模型在结构化视觉理解、稠密几何预测、分割能力、多视角 3D 几何四大核心领域比肩甚至超越各领域专用专家模型。对比 Vision Banana，SenseNova-Vision 在绝大多数权威评测指标上实现超越，且能同时处理全任务，而 Vision Banana 仅能应对其中两类。商汤同步开源了包含 5000 万条样本的视觉指令语料库 SenseNova-Vision Corpus-50M。