英伟达推出LocateAnything，主打AI高速、高精度检测对象

速读：英伟达昨日（5 月 29 日）发布博文，宣布携手香港理工大学、南京大学等。

2026年05月30日 10:3

IT之家 5 月 30 日消息，英伟达昨日（5 月 29 日）发布博文，宣布携手香港理工大学、南京大学等，推出 LocateAnything 模型，主打高速、高精度检测对象。

该模型可以从照片或截图中找出指定对象，并用检测框标出位置，重点服务机器人感知、电脑自动操作等需要快速定位的场景。

NVIDIA 在介绍中强调，机器人和 AI Agent（智能体）仅能“看见”还不够，还必须足够快地确认目标位置。LocateAnything 围绕检测框预测重新设计，让视觉语言检测更适合即时交互任务。

LocateAnything 提出 Parallel Box Decoding（并行框解码），把边界框或点作为固定长度原子单元，在 1 步内预测 x1、y1、x2、y2。

该框架提供 Fast Mode、Slow Mode 与 Hybrid Mode：

团队还构建 LocateAnything-Data，包含 12M 独立图像、138M 语言查询和 785M 边界框。数据覆盖通用检测、GUI 元素定位、指代表达理解、OCR 文字定位、版面定位和点定位，显著扩展训练场景。

在单张 NVIDIA H100 GPU 上，LocateAnything 默认 Hybrid Mode 达到 12.7 Boxes Per Second（每秒框数），超过 Qwen3-VL 的 1.1 BPS，也高于 Rex-Omni 的 5.0 BPS。

高精度任务中，LocateAnything 在 LVIS 的 IoU=0.95 下得分 31.1，高于 Rex-Omni 的 20.7；ScreenSpot-Pro 平均 F1 达 60.3；DocLayNet 和 M6Doc 分别达 76.8 与 70.1。

英伟达 it之家 AI

新浪众测

新浪科技公众号

“掌”握科技鲜闻（微信搜索techsina或扫描左侧二维码关注）

“不好看就退票”服务，能救电影院吗？

微信封禁自家“兄弟”红包，打的什么牌？

华住，比携程还会捞金？

诺基亚首款微聊手机“诺基亚 200 4G”上市：可与微信小程序视频通话，199 元

诺基亚突然上新！首款微聊手机诺基亚200 4G发布：能连微信视频通话到手199元

终于要降了！6月4日24时油价将调整：加一箱油预计少花11元

黄仁勋被粉丝偶遇追着抢买单当场拒绝：我比较有钱不用请我

蓝色起源“新格伦”火箭发射台上突发爆炸！官方致歉回应

英伟达、腾讯、阿里、华为、金茉亮相“亚洲CES”BEYOND国际科技创新博览会，共话科技创新

铁路新规 6 月 1 日起实施：违规乘车拒不补票将限制购票，学生票优惠区间可线上调整

vivo S60系列正式发布：田曦薇代言主打4K Live原相机

山顶矿泉水1元1瓶：人工搬运无人售卖网友直呼良心景区

京东生鲜，放了一根长长长长长长线