Xiaomi-Lens-0 테크니컬 리포트: 시각 표현에서 마스크를 예측하는 4B 멀티모달 모델

Xiaomi-Lens-0은 Qwen3.5를 기반으로 한 4B 규모의 멀티모달 모델로, 자신의 시각 표현에서 마스크를 예측해 세밀한 영역 이해 능력을 높인다. RefCOCO, RefCOCO+, RefCOCOg의 총 8개 분할 모두에서 참조 이해 성능은 Qwen3.5 대비 평균 5.6포인트 향상되었으며, 세그멘테이션의 cIoU는 비교 모델 중 가장 높았다. 지각 계열 벤치마크에서는 모든 항목에서 Qwen3.5를 앞질렀다.