一款由清华大学、北京交通大学和华中科技大学联合推出的多模态视觉定位模型，专门用于自由形式的多图像定位任务。该模型能够根据文本描述、图像或两者的组合，在多幅图像中精确定位相关的视觉区域。
CMS网站 dedecms建站 调用 php语法 id mysql语法 DeepSeek 栏目 wordpress函数 织梦
