NVIDIA представила модель для компьютерного зрения LocateAnything-3B

3 млрд параметров для зрения

NVIDIA выложила LocateAnything-3B — модель, которая не просто описывает картинку, а возвращает координаты: где кнопка, товар, человек, подпись, сумма в документе или дефект на детали.

Это нужно агентам, камерам, роботам, складам и обработке документов. Агенту важно не “понять экран”, а знать, куда нажать. Камере — не просто увидеть человека, а найти нужный объект в плотной сцене.

Новое не в самом поиске объектов. Новое — в компактности и скорости: рамка считается сразу целиком. 3 млрд параметров — это уже можно пробовать локально на мощном ноутбуке или рабочей станции с видеокартой.

Рынок компьютерного зрения — около $33 млрд в 2026.

Подписывайтесь на Telegram Роман Тетюркин | Доктрина ИИ.