LocateAnything

LocateAnything 是英伟达发布的视觉定位（grounding）模型，它并行解码检测框和点，而不是一次只解码一个坐标 token。LibreYOLO 把它包装成一个开放词汇检测器兼点定位器：任意一组文本标签都能当作类别集合，没有固定的 head，也不需要微调。

任务: detection, point
尺寸: 3b at 2500 px
安装: pip install libreyolo
支持层级: 兄弟层级，自 v 起。一个独立的产品面，有自己的工厂和契约。
上游: LocateAnything，由 NVIDIA 发布，采用 NVIDIA License (non-commercial) 许可。论文、源码
许可: 代码采用 MIT，权重采用 NVIDIA License (non-commercial)。商用

安装

LocateAnything 需要 vlm extra，它会装上 transformers，以及它在 Hugging Face 上的远程代码在加载时会导入的 decord、lmdb 和 peft 这几个包。

bash

pip install "libreyolo[vlm]"

预测

LibreLocateAnything 是一个 Python 类，不是一个 .pt 检查点（checkpoint）：它不通过 LibreYOLO() 工厂加载，libreyolo CLI 也解析不到它。LibreVLM(...) 工厂（from libreyolo import LibreVLM）也能通过别名找到这个家族，例如 LibreVLM("locate-anything")；下面用的类就是它构造出来的那个。加载它会从 Hugging Face 下载并执行英伟达自己的远程模型代码，所以 LibreYOLO 把下载锁定在一个固定的 commit 上，而不是会变动的 main 分支，并在首次下载之前记录一次性的许可证提示。

Python

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE model = LibreLocateAnything(size="3b") # 开放词汇：任何词都可以，不是一个固定的类别 head。设置之后会一直# 沿用到后面每一次 predict()/track() 调用，直到再设置一次model.set_classes(["person", "bicycle", "dog"])result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

点提示

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE # task="point" 返回的是每个匹配到的物体一个点，而不是一个检测框。# 已经加载好的模型可以用 model.set_task("point") 切换任务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)

原始对话

from libreyolo import LibreLocateAnything, SAMPLE_IMAGE model = LibreLocateAnything(size="3b") # 检测这层便利封装底下的逃生口：自由形式的提问、计数，或者任何# 检测框封装覆盖不到的提示词text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes（任务 detect）和 result.points（任务 point）和其他家族一样承载解析出来的输出。置信度是一个占位值：LocateAnything 不输出逐框的分数，所以每个检测拿到的都是同一个常数置信度，conf= 只会丢掉低于这个常数的行，它不会给它们排序。不调用 set_classes() 时，词汇表默认就是 COCO-80 的类别名。数据源、流式处理和结果处理见预测。

变体

已发布的尺寸只有一种，3b。两个任务共用同一份权重：detect（默认）返回检测框，而 task="point" 返回的是每个匹配到的物体一个点，放在 result.points 里；已经加载好的模型可以用 model.set_task("point") 在两者之间切换。LibreYOLO 的基准测试工具没有测过这个家族，所以没有已发布的精度数字可以拿来比较。

LibreYOLO 只把这个家族开放给预测。train()、val() 和 export() 都会抛出 NotImplementedError：微调请在上游做，然后把结果加载进来，数据集验证被跳过是因为占位的置信度会让 COCO mAP 产生误导，而导出对一个没有 state dict 可追踪的生成式模型来说超出了范围。

许可证

请检查你所下载的具体权重在 Hugging Face 仓库中的许可。LibreYOLO 组织里的每个检查点都附有许可，同一家族内也不一定相同。该仓库是权威来源；以下摘要说明本页上次验证时适用的情况。

这里只说明涉及的许可证，不构成法律意见。如果答案对商用很重要，请自行阅读许可证并咨询法律顾问。

原始工作: LocateAnything, NVIDIA
上游许可: NVIDIA License (non-commercial)
上游来源: github.com/NVlabs/Eagle/tree/main/Embodied
LibreYOLO 代码: MIT
权重: 采用 NVIDIA License (non-commercial) 许可，由作者分发。LibreYOLO 不托管或镜像这些权重。
解读: The NVIDIA License permits use, reproduction and modification, but Section 3.3 restricts the Work and any derivative to non-commercial use, research or evaluation only, for anyone other than NVIDIA and its affiliates: there is no revenue threshold or paid exception. Redistribution must keep a complete copy of the license and every attribution notice. LocateAnything-3B also composes two other licensed components: a Qwen2.5-3B-Instruct language backbone under the Qwen Research License, and a MoonViT-SO-400M vision encoder under MIT. Because loading this model requires trusting NVIDIA's own Hugging Face remote code, LibreYOLO pins the exact commit revision it downloads rather than the mutable main branch, and logs a one-time notice before that download. LibreYOLO does not host, mirror or redistribute any of it.

NVIDIA License 允许使用、复制和修改，但对英伟达及其关联公司以外的任何人，都把这个模型和任何衍生物限制在非商业用途、研究或评估上：没有营收门槛，也没有付费例外。 LocateAnything-3B 还组合了另外两个各自带许可的组件：一个采用 Qwen Research License 的 Qwen2.5-3B-Instruct 语言骨干，以及一个采用 MIT 许可的 MoonViT-SO-400M 视觉编码器。LibreYOLO 不托管、不镜像也不再分发其中的任何一部分：LibreLocateAnything 在首次运行时直接从 Hugging Face 上的 nvidia/LocateAnything-3B 下载权重和所需的远程代码，并锁定在一个固定的 commit 上。

引用

@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},
}

复制自作者在 github.com/NVlabs/Eagle/blob/main/Embodied/README.md#-citation 上提供的引用块。