🏠IT之家•較早收集於 9m
NVIDIA 發布 LocateAnything，主打高速高精度對象檢測
💡NVIDIA 新模型實現每秒 12.7 次檢測，效能超越現有主流視覺語言模型，適合機器人與 AI Agent 開發者。
⚡ 30-Second TL;DR
有什麼變化
引入 Parallel Box Decoding，實現單步邊界框預測。
為什麼重要
該模型顯著降低了具身智能與機器人感知任務的延遲，為開發即時視覺交互系統的開發者提供了更高效的解決方案。
下一步行動
閱讀 LocateAnything 論文，並評估其 Hybrid 模式是否適用於您的即時機器人視覺或 GUI 自動化流程。
誰應關注：Researchers & Academics
關鍵要點
- •引入 Parallel Box Decoding，實現單步邊界框預測。
- •提供 Fast、Slow 與 Hybrid 三種模式，適應不同應用場景。
- •在 H100 上達到每秒 12.7 個檢測框，效能遠超 Rex-Omni。
- •基於包含 7.85 億個邊界框的 LocateAnything-Data 數據集訓練。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： IT之家 ↗