Heim
SenseTime stellt ein 8B-Multimodal-Modell mit geringer Speicherbelastung, nativer 4K-Ausgabe und umfassenden visuellen Bearbeitungsfunktionen vor
SenseTime hat offiziell SenseNova U1.5Lite veröffentlicht, ein neues, schlankes, natives, einheitliches multimodales Großmodell. Mit 8 Milliarden Parametern übertrifft dieses effiziente Modell Alternativen ähnlicher Größe bei wichtigen visuellen Aufgaben und kann in komplexen Layout- und Textdarstellungsszenarien mit groß angelegten kommerziellen Modellen mithalten.

SenseNova U1.5Lite unterstützt nativ Kontextlängen von 3.000 bis 4.000 Zeichen und verarbeitet gleichzeitig mehrere Einschränkungen – darunter Motiv, Menge, räumliche Beziehungen, Text, Layout und Stil –, wodurch eine höhere Stabilität bei komplexen visuellen Aufgaben gewährleistet wird.
Das Modell führt mehrere wesentliche Verbesserungen ein. Erstens liefert es eine qualitativ hochwertigere visuelle Generierung durch die Optimierung von Komposition, Farbe, Material, Beleuchtung, Realismus und lokalen Details, wodurch das häufige Problem lokal korrekter, aber global unvollständiger Ergebnisse wirksam verhindert wird. Zweitens bietet es eine robuste native Bildbearbeitung, bei der die Identität des Motivs, die räumliche Struktur, das Layout und nicht bearbeitbare Bereiche besser erhalten bleiben, während lokale Änderungen, das Ersetzen von Elementen, die Textverfeinerung und die Bearbeitung mit mehreren Referenzen verbessert werden.

Darüber hinaus zeichnet sich das Modell durch die Verarbeitung von Text und komplexen Layouts aus und stärkt seine Fähigkeiten bei chinesischen und englischen Texten, Plakaten, Infografiken, Markenbildern und der Formatierung mehrerer Texte, um einen vollständigen visuellen Ausdruck zu erzielen. Für eine präzise Steuerung unterstützt es Bounding Box, visuelle Marker sowie Referenzen auf einzelne oder mehrere Bilder. Bemerkenswert ist, dass es eine native 4K-Ausgabe in hoher Auflösung erzielt und dabei sowohl die Makrokomposition als auch feine Texturen, kleinen Text und Lichteffekte beibehält.
Projektadresse: https://github.com/OpenSenseNova/SenseNova-U1
Verwandter Artikel
Claude enthält die erste vollständige ultraviolette Himmelskarte und kartiert 119 Millionen Sterne
Mit der leistungsstarken Unterstützung von Claude, dem großen Sprachmodell von Anthropic, haben Astrophysiker erfolgreich die erste vollständige ultraviolette Allhimmelskarte der Geschichte erstellt. Dieses weitreichende Sternenkartenwerk, das 119 Mi
Wie AWS und NVIDIA Agentic und Physical AI vorantreiben
NVIDIA-CEO Jensen Huang (Bildnachweis: Tomohiro Ohsumi/Getty Images)Jensen Huangs NVIDIA und AWS bauen ihre weltweite Partnerschaft aus und stellen 2 Millionen GPUs bereit, um die Unternehmensinfrastr
Gehirnwellen-Trainingsroboter: Der nächste Schritt von Physical AI, angetrieben durch menschliche Gehirnsignale
In einem Lagerhaus in San Leandro, Kalifornien, führt Encord, ein Unternehmen für Datenwerkzeuge, ein innovatives Experiment durch: „Piloten“ tragen Headsets mit Kameras und EEG-Sensoren, während sie Jenga spielen, um die Gehirnaktivität aufzuzeichne
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
SenseTime hat offiziell SenseNova U1.5Lite veröffentlicht, ein neues, schlankes, natives, einheitliches multimodales Großmodell. Mit 8 Milliarden Parametern übertrifft dieses effiziente Modell Alternativen ähnlicher Größe bei wichtigen visuellen Aufgaben und kann in komplexen Layout- und Textdarstellungsszenarien mit groß angelegten kommerziellen Modellen mithalten.

SenseNova U1.5Lite unterstützt nativ Kontextlängen von 3.000 bis 4.000 Zeichen und verarbeitet gleichzeitig mehrere Einschränkungen – darunter Motiv, Menge, räumliche Beziehungen, Text, Layout und Stil –, wodurch eine höhere Stabilität bei komplexen visuellen Aufgaben gewährleistet wird.
Das Modell führt mehrere wesentliche Verbesserungen ein. Erstens liefert es eine qualitativ hochwertigere visuelle Generierung durch die Optimierung von Komposition, Farbe, Material, Beleuchtung, Realismus und lokalen Details, wodurch das häufige Problem lokal korrekter, aber global unvollständiger Ergebnisse wirksam verhindert wird. Zweitens bietet es eine robuste native Bildbearbeitung, bei der die Identität des Motivs, die räumliche Struktur, das Layout und nicht bearbeitbare Bereiche besser erhalten bleiben, während lokale Änderungen, das Ersetzen von Elementen, die Textverfeinerung und die Bearbeitung mit mehreren Referenzen verbessert werden.

Darüber hinaus zeichnet sich das Modell durch die Verarbeitung von Text und komplexen Layouts aus und stärkt seine Fähigkeiten bei chinesischen und englischen Texten, Plakaten, Infografiken, Markenbildern und der Formatierung mehrerer Texte, um einen vollständigen visuellen Ausdruck zu erzielen. Für eine präzise Steuerung unterstützt es Bounding Box, visuelle Marker sowie Referenzen auf einzelne oder mehrere Bilder. Bemerkenswert ist, dass es eine native 4K-Ausgabe in hoher Auflösung erzielt und dabei sowohl die Makrokomposition als auch feine Texturen, kleinen Text und Lichteffekte beibehält.
Projektadresse: https://github.com/OpenSenseNova/SenseNova-U1
Claude enthält die erste vollständige ultraviolette Himmelskarte und kartiert 119 Millionen Sterne
Mit der leistungsstarken Unterstützung von Claude, dem großen Sprachmodell von Anthropic, haben Astrophysiker erfolgreich die erste vollständige ultraviolette Allhimmelskarte der Geschichte erstellt. Dieses weitreichende Sternenkartenwerk, das 119 Mi
Wie AWS und NVIDIA Agentic und Physical AI vorantreiben
NVIDIA-CEO Jensen Huang (Bildnachweis: Tomohiro Ohsumi/Getty Images)Jensen Huangs NVIDIA und AWS bauen ihre weltweite Partnerschaft aus und stellen 2 Millionen GPUs bereit, um die Unternehmensinfrastr
Gehirnwellen-Trainingsroboter: Der nächste Schritt von Physical AI, angetrieben durch menschliche Gehirnsignale
In einem Lagerhaus in San Leandro, Kalifornien, führt Encord, ein Unternehmen für Datenwerkzeuge, ein innovatives Experiment durch: „Piloten“ tragen Headsets mit Kameras und EEG-Sensoren, während sie Jenga spielen, um die Gehirnaktivität aufzuzeichne











