Falcon Perception: un Transformer de fusión temprana para percepción visual de vocabulario abierto

Resumen del corpus

El Technology Innovation Institute (TII) de Abu Dhabi presentó Falcon Perception, un Transformer de fusión temprana de 0,6B de parámetros para grounding y segmentación de vocabulario abierto a partir de prompts en lenguaje natural. El modelo alcanza 68,0 de Macro-F1 en el benchmark SA-Co frente a 62,3 de SAM 3, aunque queda por detrás en calibración de presencia (MCC 0,64 vs 0,82). También lanzaron PBench, un benchmark de diagnóstico por capacidades, y Falcon OCR, un modelo de 0,3B que obtiene 80,3 en olmOCR y 88,6 en OmniDocBench con el mayor rendimiento entre los OCR de código abierto.