LocateAnything

Installazione

LocateAnything richiede l'extra vlm, che porta con sé transformers insieme ai pacchetti decord, lmdb e peft che il suo codice remoto su Hugging Face importa al caricamento.

pip install "libreyolo[vlm]"

Predizione

LibreLocateAnything è una classe Python, non un checkpoint .pt: non si carica attraverso la factory LibreYOLO() e la CLI libreyolo non lo risolve. Anche la factory LibreVLM(...) (from libreyolo import LibreVLM) raggiunge questa famiglia tramite alias, per esempio LibreVLM("locate-anything"); la classe usata qui sotto è quella che costruisce. Caricarla scarica ed esegue il codice remoto del modello pubblicato da NVIDIA su Hugging Face, quindi LibreYOLO fissa il download a una revisione di commit precisa invece che al ramo mutabile main, e registra un avviso di licenza una tantum prima del primo download.

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE model = LibreLocateAnything(size="3b") # Vocabolario aperto: vale qualsiasi parola, non una testa di classi# fissa. Persiste in ogni predict()/track() successivo finché non lo reimposti.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" restituisce un punto per ogni oggetto trovato, non un box.# Cambia task su un modello già caricato con 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 via di fuga sotto la comodità del rilevamento: domande libere,# conteggi o qualsiasi prompt che il wrapper dei box non copre.text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes (task detect) e result.points (task point) portano l'output parsato come in qualsiasi altra famiglia. La confidenza è un segnaposto: LocateAnything non emette nessun punteggio per box, quindi ogni rilevamento riceve la stessa confidenza costante, e conf= scarta soltanto le righe sotto quella costante, non le ordina. Se salti set_classes(), il vocabolario ricade sui nomi di COCO-80. Vedi predizione per sorgenti, streaming e gestione dei risultati.

Varianti

Una sola dimensione pubblicata, 3b. Due task condividono gli stessi pesi: detect (quello predefinito) restituisce i box, mentre task="point" restituisce invece un singolo punto per ogni oggetto trovato, in result.points; si passa dall'uno all'altro su un modello già caricato con model.set_task("point"). L'harness di benchmark di LibreYOLO non ha misurato questa famiglia, quindi non ci sono numeri di accuratezza pubblicati con cui confrontarla.

LibreYOLO espone questa famiglia solo per la predizione. train(), val() ed export() sollevano tutti NotImplementedError: fai fine-tuning upstream e carica il risultato, la validazione su dataset è saltata perché una confidenza segnaposto renderebbe fuorviante il mAP di COCO, e l'esportazione è fuori ambito per un modello generativo senza state dict da tracciare.

Licenze

Citazione

@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},
}