الإجاباتمنشور14 المصادر
شاومي Lens-0: نموذج يرى المنطقة التي يستند إليها جوابه
يعتمد Xiaomi Lens 0 على Qwen3.5 4B، ويضيف مفكك ترميز خفيفًا يحوّل رمزًا خاصًا إلى قناع يحدد منطقة في الصورة. يمكن للنموذج أن يربط الكلمات بمناطق الصورة في الإجابة النهائية أو خلال الاستدلال، وفق وصف المشروع.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- يعتمد Xiaomi Lens 0 على Qwen3.5 4B، ويضيف مفكك ترميز خفيفًا يحوّل رمزًا خاصًا إلى قناع يحدد منطقة في الصورة.
- يمكن للنموذج أن يربط الكلمات بمناطق الصورة في الإجابة النهائية أو خلال الاستدلال، وفق وصف المشروع.
- أعلن المشروع عن تحسن في مهام فهم الإشارات إلى الأشياء، لكن النتائج المنشورة تظل نتائج أبلغ عنها المطوّرون وليست تحققًا مستقلًا.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Xiaomi-Lens-0, the 4-billion-parameter multimodal model open-sourced by Xiaomi’s SeerRay-Lab in October 2026, and how do its officia. Article summary: Xiaomi-Lens-0 is a compact 4-billion-parameter multimodal model built on Qwen3.5-4B that combines textual answers with pixel-level image-region masks, using a shared visual backbone and a lightweight mask decoder. [3] It. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
قد يصف نموذج الصور شيئًا في لقطة ما، لكن كيف تعرف أي جزء من الصورة يقصده؟ يحاول Xiaomi-Lens-0 الإجابة عن ذلك بإرفاق كلامه بقناع يحدد المنطقة المعنية على مستوى البكسل. وهو نموذج متعدد الوسائط بحجم 4 مليارات مُعامل، مبني على Qwen3.5-4B. 1
كيف يربط الكلام بالبكسلات؟
تقول صفحة المشروع إن النموذج يتعلم من إشراف على مستوى البكسل عبر بنية بصرية مشتركة. وعندما يولّد الرمز الخاص <|mask|>، يحوّله مفكك ترميز خفيف إلى قناع يغطي منطقة في الصورة. وهكذا يمكن للنموذج أن يجيب بالنص، ويشير في الوقت نفسه إلى الجزء الذي يستند إليه. 1
واللافت أن هذا الربط قد يظهر في الإجابة النهائية أو أثناء الاستدلال، لا بوصفه نتيجة تقسيم بصري تُضاف بعد اكتمال الإجابة فقط. ويصف فريق SeerRay-Lab النهج بأنه استدلال مُسنَد إلى مناطق الصورة. لكن المواد المتاحة لا تشرح بالتفصيل آلية الرموز كاملة، ولا كيف تؤثر الأقنعة الوسيطة في خطوات الاستدلال التالية. 1
10
ما المهام التي يدعمها؟
تذكر صفحة SeerRay-Lab مهامًا تشمل تقسيم الصورة بحسب الوصف المُشار إليه، والتقسيم لأغراض الاستدلال، وربط أوصاف متعددة بأشياء مختلفة، وفهم المناطق الدقيقة والإدراك البصري. كما يذكر المشروع معيار LensBench لتقييم مهام التقسيم. 10
وتشير تغطية صحفية إلى إتاحة عرض تجريبي مع الإطلاق، لكن المعلومات المتوفرة لا تحدد خصائصه أو حجم LensBench وطريقة تقييمه بالتفصيل. 2
ماذا تقول النتائج المنشورة؟
أفاد المشروع بتحسن متوسط قدره 5.6 نقاط في فهم الإشارات إلى الأشياء مقارنةً بـQwen3.5-4B، عبر ثمانية تقسيمات من عائلة RefCOCO. كما ذكر تحسن النتائج على معايير الإدراك الدقيق الثمانية التي قيّمها. هذه أرقام أوردها المشروع نفسه، وليست نتائج إعادة تقييم مستقلة. 1
وتذكر خلاصة تقرير ثانوية ارتفاع نتيجة CountQA بمقدار 6.8 نقاط، وأن النموذج حقق أعلى قيمة cIoU للتقسيم بين الأنظمة التي شملتها المقارنة. لكن المعلومات المنشورة في هذه الخلاصة لا تكفي لتحديد جميع الدرجات أو مجموعة المقارنة كاملة؛ لذا من الأفضل التعامل معها بوصفها نتائج مُعلنة، لا ترتيبًا شاملًا للأداء. 2
أين يتوفر، وما حدود ما نعرفه؟
تتوفر أوزان النموذج على Hugging Face، بينما نُشر الكود تحت اسم SeerRay-Lab على GitHub. ويشير مستودع GitHub إلى ترخيص Apache-2.0، كما تربط صفحة النموذج بإصدار تقني يحمل الرقم 2610.23279. 1
29
تُسند تغطية صحفية الإطلاق إلى Xiaomi، في حين تحمل مستودعات الكود والأوزان اسم SeerRay-Lab. لكن المصادر المتاحة لا تثبت بصورة مستقلة طبيعة العلاقة التنظيمية الرسمية بين الفريق والشركة. 1
2
29
وتعرض صفحة Hugging Face مثالًا لاستخدام النموذج عبر واجهة Transformers. غير أن المثال وحده لا يثبت أن مسار فك ترميز الأقنعة المخصص يعمل باستخدام واجهة جاهزة من Transformers من دون إعدادات أو أدوات إضافية. 29
قد يفيد ربط الإجابة بمنطقة محددة في تطبيقات محتملة، مثل تحديد غرض لذراع روبوت، أو إبراز شيء يسأل عنه راكب داخل السيارة، أو مساعدة مستخدم الهاتف على العثور على عنصر في صورة. هذه أمثلة استخدام ممكنة وليست عمليات نشر مثبتة. كما لا تثبت المصادر المتاحة سرعة التشغيل على الجهاز، أو استهلاك الذاكرة والطاقة، أو ملاءمة النموذج للاستخدامات الحرجة للسلامة.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "شاومي Lens-0: نموذج يرى المنطقة التي يستند إليها جوابه"؟
يعتمد Xiaomi Lens 0 على Qwen3.5 4B، ويضيف مفكك ترميز خفيفًا يحوّل رمزًا خاصًا إلى قناع يحدد منطقة في الصورة.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
يعتمد Xiaomi Lens 0 على Qwen3.5 4B، ويضيف مفكك ترميز خفيفًا يحوّل رمزًا خاصًا إلى قناع يحدد منطقة في الصورة. يمكن للنموذج أن يربط الكلمات بمناطق الصورة في الإجابة النهائية أو خلال الاستدلال، وفق وصف المشروع.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
أعلن المشروع عن تحسن في مهام فهم الإشارات إلى الأشياء، لكن النتائج المنشورة تظل نتائج أبلغ عنها المطوّرون وليست تحققًا مستقلًا.