DINO-X: 全球性能最佳的视觉模型,用于开放世界对象检测和理解
✨ 最强的开放式集合检测性能：DINO-X Pro 在零样本转移检测基准测试中创下了 SOTA 结果：在 COCO 上为 56.0 AP，在 LVIS-minival 上为 59.8 AP，在 LVIS-val 上为 52.4 AP。值得注意的是，在 LVIS-minival 和 LVIS-val 基准测试的罕见类别上，其分数分别为 63.3 AP 和 56.5 AP，比之前的 SOTA 性能提高了 5.8 个框 AP 和 5.0 个框 AP。这种结果说明，它在识别长尾对象方面的能力显著提高。
多样化输入提示和多层次输出语义表示：DINO-X 可以接受文本提示、视觉提示和自定义提示作为输入，并通过多个感知头输出多种语义层次的表示，包括边界框、分割掩码、姿态关键点和物体描述。 丰富而实用的功能：DINO-X 同时支持大量高度实用的任务，包括开放集对象检测和分割、短语定位、视觉提示计数、姿态估计和区域描述。我们还开发了通用的物体提示，实现了无提示的任意检测和识别。
无缝 AI 工具集成：通过 DINO-X MCP 服务器，开发者可以将 DINO-X 的功能直接集成到 Cursor、Claude 和其他兼容 MCP 的 AI 工具中，从而在对话式 AI 工作流中实现物体检测。
暂无开放 Issues，或尚未同步最近议题。