NVIDIA открыла исходный код модели визуальной локализации LocateAnything-3B.
NVIDIA открыла исходный код модели визуальной локализации LocateAnything-3B.
NVIDIA представила открытый код для модели визуальной локализации LocateAnything-3B, которая способна эффективно находить объекты в плотных сценах.
NVIDIA открыла исходный код модели визуальной локализации LocateAnything-3B.
Модель способна находить объекты даже в очень плотных сценах. Например, на изображении с десятками миньонов, которые стоят близко друг к другу, она корректно выделяет каждого отдельной рамкой.
Главное отличие от большинства существующих моделей - это способ генерации ограничительных рамок. Обычно координаты (x1, y1, x2, y2) предсказываются последовательно, что замедляет работу, а ошибки на ранних этапах могут влиять на последующие координаты, особенно если объектов много.
В LocateAnything-3B используется параллельное декодирование: модель сразу предсказывает готовые рамки целиком, а не строит их поэтапно. Это делает детекцию стабильнее, особенно в сценах с большим количеством объектов.
Модель содержит 3 млрд параметров и распространяется с открытым исходным кодом. 💜
Почему это важно
АналитикаЭта модель может значительно улучшить точность визуальной локализации в сложных сценах, что важно для разработки новых AI-приложений в области компьютерного зрения.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Jev и System One AI: полное практическое руководство по модели решений от TypeSafe
Глубокий инженерный разбор флагманской модели Jev: архитектура System One против LLM, примитивы Choice/Score/Noul, параллелизм запросов, математика уверенности, видео-кейсы, код и обзор локальных open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Часть II. Архитектура ИИ-агентов: от модели до памяти и инструментов
Глубокое инженерное погружение: токенизация, KV-кэш, детерминизм сэмплинга, тренировочный стек, квантование, контекстная инженерия, стек безопасности, производственный RAG, ReAct и мультиагентные swarm-системы.
Модели Награды Процесса (PRM)
Модели оценки ИИ, анализирующие корректность каждого отдельного логического шага или вызова инструмента агента, предотвращая накопление ошибок до получения финального результата.
System 1 Decision Engine: быстрые модели принятия решений для агентов
System 1 Decision Engine — быстрый слой принятия решений для агентов, который заменяет дорогие autoregressive вызовы в маршрутизации, валидации схем и Guardrails. Архитектурный переход снижает p95 latency до 30–70 ms и токен-стоимость на 90%+ без потери контролируемости агентного цикла.