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

F-VLM apresenta uma nova abordagem para detecção de objetos de vocabulário aberto, utilizando de forma eficiente modelos de visão e linguagem pré-treinados e congelados. Este método permite identificar uma ampla gama de objetos sem exigir dados de treinamento específicos para cada nova categoria.