Grounding-DINO是一种创新的视觉-语言模型，旨在提升视觉推理和对象检测任务的表现。Grounding-DION的独特之处在于其能够“感知”并与语言中的实体或属性对应，从而精确定位图像中的目标，并根据文本描述进行分类和推理。该模型不仅提高了多模态任务

视觉 语言 dino 2025-01-09 09:50  4