GroundingDINO

Grounding DINO 是一个开源的开放集目标检测模型，支持无需预定义类别即可根据自然语言描述定位任意物体。其核心融合了视觉-语言Transformer架构与接地式预训练（grounded pre-training），实现零样本检测、跨域泛化及文本引导的精确框选；技术上基于DINO框架扩展，支持端到端联合优化视觉与文本特征对齐。适用于需动态识别新类别或用户自定义语义的场景，如智能标注、多模态人机交互、工业质检中的未知缺陷识别等。