text-guided

Count Anything 是一个用于文本引导的目标计数的通用模型，统一了多个领域，由新的 CLOC 数据集支持，该数据集包含跨越六个视觉领域的 220K 张图像。它实现了强大的准确性和多领域泛化能力。

Count Anything 是一个通用的视觉模型，用于跨多个领域的文本引导目标计数，采用双粒度实例枚举和互补计数融合。它实现了高精度和跨领域泛化能力，优于现有的开放世界计数方法。

UniSteer 提出了一种文本引导的激活流匹配方法，在激活空间中学习通用条件速度场，无需特定任务干预模块即可实现多功能的 LLM 行为控制与分类任务。

Grounding DINO 是一个开放词汇的目标检测模型，能够根据文本描述检测任意对象，现已在 Replicate 上可用。