LocateAnything

Installation

LocateAnything a besoin de l'extra vlm, qui installe transformers ainsi que les paquets decord, lmdb et peft que son code distant Hugging Face importe au chargement.

pip install "libreyolo[vlm]"

Prédire

LibreLocateAnything est une classe Python, pas un checkpoint .pt : elle ne se charge pas via la factory LibreYOLO(), et la CLI libreyolo ne la résout pas. La factory LibreVLM(...) (from libreyolo import LibreVLM) atteint elle aussi cette famille par alias, par exemple LibreVLM("locate-anything") ; la classe utilisée ci-dessous est celle qu'elle construit. Son chargement télécharge et exécute le code de modèle distant de NVIDIA depuis Hugging Face, si bien que LibreYOLO fige le téléchargement sur une révision de commit fixe plutôt que sur la branche mutable main, et journalise un avis de licence unique avant le premier téléchargement.

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE model = LibreLocateAnything(size="3b") # Vocabulaire ouvert : n'importe quels mots, pas de tête figée.# Persiste sur les predict()/track() suivants jusqu'à redéfinition.model.set_classes(["person", "bicycle", "dog"])result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE # task="point" renvoie un point par objet trouvé au lieu d'une boîte.# Changez de tâche sur un modèle chargé via model.set_task("point").model = LibreLocateAnything(size="3b", task="point")model.set_classes(["the person closest to the camera"])result = model(SAMPLE_IMAGE, save=True) for pt in result.points:    print(pt.cls, pt.conf, pt.xy)

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE model = LibreLocateAnything(size="3b") # La trappe de sortie sous la couche de détection : questions# libres, comptage, ou tout prompt que le wrapper ne couvre pas.text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes (tâche detect) et result.points (tâche point) portent la sortie analysée comme dans toute autre famille. La confiance est un substitut : LocateAnything n'émet aucun score par boîte, donc chaque détection reçoit la même confiance constante, et conf= ne fait qu'écarter les lignes situées sous cette constante, il ne les classe pas. Omettez set_classes() et le vocabulaire retombe sur les noms COCO-80. Voir la prédiction pour les sources, le streaming et le traitement des résultats.

Variantes

Une seule taille publiée, 3b. Deux tâches partagent les mêmes poids : detect (la valeur par défaut) renvoie des boîtes, et task="point" renvoie à la place un unique point par objet trouvé, dans result.points ; passez de l'une à l'autre sur un modèle déjà chargé avec model.set_task("point"). Le harnais de benchmark de LibreYOLO n'a pas mesuré cette famille, il n'y a donc aucun chiffre d'exactitude publié auquel se comparer.

LibreYOLO expose cette famille en prédiction seule. train(), val() et export() lèvent tous NotImplementedError : faites le fine-tuning en amont et chargez le résultat à la place, la validation sur dataset est écartée parce qu'une confiance de substitution rendrait la mAP COCO trompeuse, et l'export est hors périmètre pour un modèle génératif dont aucun state dict n'est là pour être tracé.

Licence

Citation

@article{wang2025locateanything,
  title   = {LocateAnything: Fast and High-Quality Vision-Language Grounding with Parallel Box Decoding},
  author  = {Shihao Wang and Shilong Liu and Yuanguo Kuang and Xinyu Wei and
             Yangzhou Liu and Zhiqi Li and Yunze Man and Guo Chen and
             Andrew Tao and Guilin Liu and Jan Kautz and Lei Zhang and Zhiding Yu},
  journal = {arXiv:2605.27365},
  year    = {2026},
}