LocateAnything

Instalação

O LocateAnything precisa do extra vlm, que traz junto o transformers mais os pacotes decord, lmdb e peft que o código remoto dele no Hugging Face importa no carregamento.

pip install "libreyolo[vlm]"

Predição

LibreLocateAnything é uma classe Python, não um checkpoint .pt: ele não é carregado pela factory LibreYOLO(), e a CLI libreyolo não o resolve. A factory LibreVLM(...) (from libreyolo import LibreVLM) também alcança esta família por alias, por exemplo LibreVLM("locate-anything"); a classe usada abaixo é a que ela constrói. Carregá-lo baixa e executa o código remoto do próprio modelo da NVIDIA no Hugging Face, então o LibreYOLO fixa o download em uma revisão de commit fixa em vez do branch mutável main, e registra um aviso de licença único antes do primeiro download.

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE model = LibreLocateAnything(size="3b") # Vocabulário aberto: vale qualquer palavra, não uma cabeça de# classes fixa. Persiste em cada predict()/track() posterior até# ser definido de novo.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" devolve um ponto por objeto encontrado, em vez de# uma caixa. Troque de tarefa em um modelo já carregado com# 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") # A via de escape sob a comodidade da detecção: perguntas livres,# contagens ou qualquer prompt que o wrapper de boxes não cubra.text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes (tarefa detect) e result.points (tarefa point) carregam a saída já parseada como em qualquer outra família. A confiança é um marcador de posição: o LocateAnything não emite nenhuma pontuação por box, então toda detecção recebe a mesma confiança constante, e conf= só descarta as linhas abaixo dessa constante, ele não as ordena. Pule set_classes() e o vocabulário cai nos nomes do COCO-80 por padrão. Veja predição para fontes, streaming e tratamento de resultados.

Variantes

Um único tamanho publicado, 3b. Duas tarefas compartilham os mesmos pesos: detect (a padrão) devolve boxes, e task="point" devolve no lugar um único ponto por objeto encontrado, em result.points; alterne entre elas em um modelo já carregado com model.set_task("point"). O harness de benchmark do LibreYOLO não mediu esta família, então não há números de acurácia publicados para comparação.

O LibreYOLO expõe esta família apenas para predição. train(), val() e export() levantam todos NotImplementedError: faça o fine-tuning upstream e carregue o resultado, a validação sobre dataset é ignorada porque uma confiança de marcador de posição tornaria o mAP do COCO enganoso, e a exportação está fora de escopo para um modelo generativo sem state dict para traçar.

Licenciamento

Citação

@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},
}