英伟达联合高校推出 LocateAnything 模型，实现高速高精度对象检测

英伟达携手香港理工大学、南京大学等机构，发布 LocateAnything 模型，专为高速、高精度检测对象设计。该模型能从照片或截图中快速定位指定对象并用检测框标出，重点服务于机器人感知和电脑自动操作等场景。

LocateAnything 引入并行框解码技术，将边界框作为原子单元，在一步内完成预测。提供快速、慢速和混合三种模式：快速模式侧重吞吐量，慢速模式追求高精度，混合模式则动态切换。团队还构建了包含 12M 图像和 138M 语言查询的数据集，覆盖多种定位任务。

在单张 H100 GPU 上，混合模式每秒处理 12.7 个框，远超 Qwen3-VL 的 1.1 和 Rex-Omni 的 5.0。高精度任务中，LVIS 的 IoU=0.95 得分 31.1，ScreenSpot-Pro 平均 F1 达 60.3，表现优于同类模型。