LocateAnything

Установка

LocateAnything нужен extra vlm: он подтягивает transformers, а также пакеты decord, lmdb и peft, которые удалённый код с Hugging Face импортирует при загрузке модели.

pip install "libreyolo[vlm]"

Предсказание

LibreLocateAnything — это Python-класс, а не .pt-чекпойнт: через фабрику LibreYOLO() он не загружается, и CLI libreyolo его не распознаёт. До этого семейства можно добраться и через фабрику LibreVLM(...) (from libreyolo import LibreVLM) — по алиасу, например LibreVLM("locate-anything"); она конструирует как раз тот класс, который используется ниже. При загрузке скачивается и выполняется собственный удалённый код модели от NVIDIA с Hugging Face, поэтому LibreYOLO закрепляет скачивание за одной фиксированной ревизией коммита, а не за изменяемой веткой main, и один раз выводит в лог уведомление о лицензии перед первым скачиванием.

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE model = LibreLocateAnything(size="3b") # Открытый словарь: годятся любые слова, фиксированной головы классов нет.# Запоминается и действует во всех последующих predict()/track(), пока не задать снова.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" возвращает по одной точке на найденный объект вместо рамки.# Переключить задачу у уже загруженной модели: 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") # Запасной выход под удобной обёрткой детекции: произвольные вопросы,# подсчёт объектов или любой промпт, который обёртка с рамками не покрывает.text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes (задача detect) и result.points (задача point) содержат разобранный вывод, как и у любого другого семейства. Уверенность здесь заглушка: LocateAnything не выдаёт оценку для каждой рамки, поэтому у всех детекций одна и та же константа, а conf= лишь отбрасывает строки ниже этой константы, но не ранжирует их. Если не вызывать set_classes(), словарём по умолчанию становятся имена классов COCO-80. Про источники, стриминг и обработку результатов см. предсказание.

Варианты

Опубликован один размер, 3b. Две задачи используют одни и те же веса: detect (по умолчанию) возвращает рамки, а task="point" — вместо этого одну точку на каждый найденный объект, в result.points; переключаться между ними у уже загруженной модели можно через model.set_task("point"). Бенчмарк-обвязка LibreYOLO это семейство не измеряла, поэтому опубликованных цифр точности для сравнения нет.

LibreYOLO открывает это семейство только для предсказания. train(), val() и export() выбрасывают NotImplementedError: дообучать нужно в исходном проекте, а сюда загружать результат; валидация на датасете пропущена, потому что с уверенностью-заглушкой mAP по COCO вводил бы в заблуждение; а экспорт выходит за рамки для генеративной модели, у которой нет state dict для трассировки.

Лицензирование

Цитирование

@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},
}