locate-anything

这是一个为NVIDIA LocateAnything-3B模型提供的轻量级、移动优先的自托管Web界面，支持在本地NVIDIA GPU上运行开词汇目标检测与视觉定位任务。核心功能包括：单文本提示驱动的多任务处理（物体检测、短语定位、OCR文本定位、文档版面分析、GUI元素定位等），可调解码模式（fast/hybrid/slow），本地搜索历史保存，以及GPU兼容性预检。项目采用Docker一键部署，前端基于React+TypeScript+Tailwind CSS，后端使用FastAPI，专为科研与非商业场景设计，适用于需离线、低延迟、隐私敏感的视觉理解应用，如学术实验、原型验证或内部文档/界面分析。