LocateAnything

Instalasi

LocateAnything memerlukan extra vlm, yang memasang transformers beserta paket decord, lmdb, dan peft yang diimpor kode remote Hugging Face saat model dimuat.

pip install "libreyolo[vlm]"

Prediksi

LibreLocateAnything adalah kelas Python, bukan checkpoint .pt. Model ini tidak dimuat melalui factory LibreYOLO(), dan CLI libreyolo tidak dapat menentukannya. Factory LibreVLM(...) (from libreyolo import LibreVLM) juga dapat mencapai family ini berdasarkan alias, misalnya LibreVLM("locate-anything"). Kelas yang digunakan di bawah adalah objek yang dibangun factory tersebut. Memuatnya akan mengunduh dan menjalankan kode model remote milik NVIDIA dari Hugging Face, sehingga LibreYOLO mematok unduhan ke satu revisi commit tetap alih-alih branch main yang dapat berubah, serta mencatat pemberitahuan lisensi satu kali sebelum unduhan pertama.

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE model = LibreLocateAnything(size="3b") # Vocabulary terbuka: kata apa pun dapat digunakan, bukan head kelas tetap. Persisten# pada setiap panggilan predict()/track() berikutnya sampai ditetapkan kembali.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" mengembalikan satu titik per objek yang cocok, bukan box.# Beralih task pada model yang sudah dimuat dengan 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") # Jalur langsung di bawah kemudahan deteksi: pertanyaan bebas,# penghitungan, atau prompt apa pun yang tidak dicakup wrapper box.text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes (task detect) dan result.points (task point) memuat output yang telah di-parse seperti family lain. Confidence merupakan placeholder. LocateAnything tidak menghasilkan skor per box, sehingga setiap deteksi memperoleh confidence konstan yang sama, dan conf= hanya membuang baris di bawah konstanta itu, bukan memberi peringkat. Jika set_classes() dilewati, vocabulary memakai nama COCO-80 sebagai default. Lihat prediksi untuk sumber, streaming, dan penanganan hasil.

Varian

Ada satu ukuran yang dipublikasikan, 3b. Dua task memakai bobot yang sama: detect (default) mengembalikan box, sedangkan task="point" mengembalikan satu titik per objek yang cocok dalam result.points. Beralih di antara keduanya pada model yang sudah dimuat dengan model.set_task("point"). Harness benchmark LibreYOLO belum mengukur family ini, sehingga belum ada angka akurasi yang dipublikasikan sebagai pembanding.

LibreYOLO menyediakan family ini hanya untuk prediksi. train(), val(), dan export() semuanya memunculkan NotImplementedError. Lakukan fine-tuning di upstream dan muat hasilnya. Validasi dataset dilewati karena confidence placeholder akan membuat mAP COCO menyesatkan, sedangkan ekspor berada di luar cakupan model generatif tanpa state dict yang dapat di-trace.

Lisensi

Sitasi

@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},
}