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

F-VLM introduce un enfoque novedoso para la detección de objetos de vocabulario abierto, aprovechando eficientemente modelos de visión y lenguaje pre-entrenados y congelados. Este método permite identificar una amplia gama de objetos sin requerir datos de entrenamiento específicos para cada nueva categoría.