Stop retraining YOLO: a developer’s guide to zero-shot object detection with generative VLMs

Esta guía aborda el reentrenamiento repetitivo de modelos de detección de objetos como YOLO en entornos industriales, proponiendo Modelos Generativos de Visión-Lenguaje (VLMs) para la detección de cero-shot. Destaca cómo los VLMs transforman la detección en indicaciones semánticas, evitando la recopilación y el reentrenamiento continuos de datos, pero señala nuevos desafíos arquitectónicos para los equipos de ingeniería industrial.