NVIDIA 推出視覺定位框架 LocateAnything：一句話框出目標，密集檢測提速 10 倍
NVIDIA 團隊推出視覺定位框架 LocateAnything，支援輸入一句話文字描述即刻框出並切取影像中的目標物體。它採用並行邊界框解碼機制並依託 1.38 億樣本資料集訓練，將幾何框作為原子單元單步解碼，在提升定位精度的同時讓密集檢測速度最高提升 10 倍。
NVIDIA 團隊推出視覺定位框架 LocateAnything，支援輸入一句話文字描述即刻框出並切取影像中的目標物體。它採用並行邊界框解碼機制並依託 1.38 億樣本資料集訓練，將幾何框作為原子單元單步解碼，在提升定位精度的同時讓密集檢測速度最高提升 10 倍。