SenseNova-Vision은 컴퓨터 비전 작업을 텍스트와 이미지 생성 공간으로 통합하여 다양한 시각적 작업을 처리하는 모델입니다.
자연어 지시문과 시각적 프롬프트를 사용하여 작업, 대상 영역, 뷰, 디코딩 규칙을 지정하고 텍스트, 이미지, 혼합 텍스트-이미지 형태로 응답을 생성합니다.
SenseNova-Vision Corpus는 다양한 컴퓨터 비전 주석을 instruction-response 예제로 변환하여 대규모 학습을 지원하며, 단일 모델로 기존 task-specialized 시스템과 동등한 성능을 보입니다.