NVIDIA publie le code source du modèle de localisation visuelle LocateAnything-3B
NVIDIA publie le code source du modèle de localisation visuelle LocateAnything-3B
NVIDIA a dévoilé le code open-source de LocateAnything-3B, un modèle capable d'identifier efficacement les objets dans des scènes denses grâce à une méthode de décodage parallèle.
NVIDIA a publié le code source du modèle de localisation visuelle LocateAnything-3B.
Ce modèle est capable de localiser des objets même dans des scènes très denses. Par exemple, sur une image montrant des dizaines de Minions regroupés, il identifie correctement chacun d'eux avec une boîte englobante distincte.
La principale différence par rapport aux modèles existants réside dans la méthode de génération des boîtes englobantes. Habituellement, les coordonnées (x1, y1, x2, y2) sont prédites séquentiellement, ce qui ralentit le processus et où les erreurs initiales peuvent affecter les coordonnées suivantes, surtout en présence de nombreux objets.
LocateAnything-3B utilise un décodage parallèle : le modèle prédit l'intégralité des boîtes englobantes simultanément plutôt que par étapes successives. Cela rend la détection plus stable, notamment dans les scènes contenant un grand nombre d'objets.
Le modèle compte 3 milliards de paramètres et est distribué sous code ouvert. 💜
Pourquoi c'est important
AnalyseCe modèle améliore significativement la précision de la localisation visuelle dans les environnements complexes, une avancée cruciale pour le développement de nouvelles applications d'IA en vision par ordinateur.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs