Paper：YOLO-World: Real-Time Open-Vocabulary Object Detection
Abs：https://arxiv.org/abs/2401.17270
Code：https://github.com/AILab-CVC/YOLO-World在自然图像与视频目标检测与识别领域，传统方法通常在预定义类别的数据集上训练，无法识别数据集中未出现的目标类别，缺乏零样本检测能力，识别能力有限。
来自Tencent AI Lab、ARC Lab、Tencent PCG 以及华中科技大学的研究者们在 CVPR 2024 上提出了基于视觉语言建模的开放词汇YOLO-World模型，并探索针对YOLO检测器的大规模数据预训练方法，赋予 YOLO 模型零样本检测能力与语言理解能力，在推理速度和零样本检测精度上均领先先前工作。
YOLO-World模型目前已经在腾讯内部多项业务中落地，并与海外多家公司达成商业合作。
