F-VLM: Open-Vocabulary Object Detection upon Frozen Vision and Language Models

F-VLM führt einen neuartigen Ansatz für die Open-Vocabulary-Objekterkennung ein, indem es effizient eingefrorene vortrainierte Visions- und Sprachmodelle nutzt. Diese Methode ermöglicht die Identifizierung einer Vielzahl von Objekten, ohne spezifische Trainingsdaten für jede neue Kategorie zu benötigen.