☝🏻NVIDIA представила LocateAnything — ИИ-модель визуального распознования, которая уме... — 27 мая 2026 г. в 20:17:25.790
☝🏻NVIDIA представила LocateAnything — ИИ-модель визуального распознования, которая умеет находить и локализовать объекты на изображениях по текстовому описанию 🔍 LocateAnything построена на принципиально новом подходе — Parallel Box Decoding (PBD). Если раньше визуально-языковые модели генерировали координаты ограничивающих рамок последовательно, токен за токеном, то PBD предсказывает всю рамку целиком за один шаг. Это позволяет кратно ускорить процесс декодирования.📈 Модель работает в трёх режимах: ▫️Fast Mode для максимальной скорости, ▫️Slow Mode для максимальной точности, ▫️Hybrid Mode, который автоматически переключается между ними при обнаружении сложных или неоднозначных сцен.⚡️ LocateAnything в 10 раз быстрее текстового Qwen3-VL и в 2,5 раза быстрее квантизированного Rex-Omni. Модель уже интегрирована в продуктовые визуально-языковые модели NVIDIA — в частности, в Nemotron 3 Nano Omni, где обеспечивает пространственное понимание для мультимодальных агентных систем. Параллельно была представлена и 3D-версия — LocateAnything3D, способная определять положение, размер и ориентацию объектов в трёхмерном пространстве по одному RGB-изображению.🤖 LocateAnything доступна в открытом доступе на Hugging Face. Запустить можно, и довольно легко даже на домашнем компьютере.💻