NVIDIA 推出视觉定位框架 LocateAnything：一句话框出目标，密集检测提速 10 倍
NVIDIA 团队推出视觉定位框架 LocateAnything，支持输入一句话文字描述即刻框出并切取图像中的目标物体。它采用并行边界框解码机制并依托 1.38 亿样本数据集训练，将几何框作为原子单元单步解码，在提升定位精度的同时让密集检测速度最高提升 10 倍。
NVIDIA 团队推出视觉定位框架 LocateAnything，支持输入一句话文字描述即刻框出并切取图像中的目标物体。它采用并行边界框解码机制并依托 1.38 亿样本数据集训练，将几何框作为原子单元单步解码，在提升定位精度的同时让密集检测速度最高提升 10 倍。