GroundingPI

4B фундаментальная модель на визуальных примитивах для локализации объектов — детекция, позиция, OCR и другие.

• Локализация точками и боксами как квантованные координаты в общем словаре
• Несколько grounding-задач: детекция, pointing, OCR, layout, GUI
• Как визуальный бэкбон улучшает робоманипуляцию и автопилот
• #SOTA на 34 бенчмарках, 11 возможностей восприятия: средний 73.68% против 71.54% у GPT-6 Astra

GroundAnything
Быстрая локализация через параллельное декодирование на диффузии

GroundAnything VLM
Высокая точность локализации авторегрессивной VLM

github.com/groundingpi/GroundAnything
huggingface.co/GroundingPI
huggingface.co/spaces/GroundingPI/groundanything-vlm

#vlm #ocr #detection

MAX