locate-anything

一句话框出图中任意物体，本地GPU一键跑

locate-anything 是一个为 NVIDIA LocateAnything-3B 模型打造的轻量级 Web 界面，通过一条 docker compose up 命令即可在本地 GPU 上启动开放词汇目标检测与视觉定位服务。它解决的核心问题是：开发者想用大模型做目标检测时，往往要自己写推理脚本、搭后端、调前端，门槛高且不便于演示。该项目把 FastAPI 后端、CUDA 推理和移动端友好的前端打包成 Docker 服务，用户只需输入文本描述（如“穿红衣服的人”），就能在图片中框出对应目标，无需训练专用检测器。技术上基于 TypeScript 前端与 Python 推理服务，依赖 NVIDIA GPU 和 CUDA，支持开放词汇，意味着可以检测训练集中未出现的类别。适合快速验证、原型演示和本地私有化部署。