DINO-XSeek

DINO-XSeek 是一款基于多模态大型语言模型的指代目标检测模型，旨在根据用户输入的自然语言描述精准定位目标物体。

该模型能够处理涉及属性、位置、交互及推理的复杂指令，实现语言与视觉信息的无缝融合。DINO-XSeek 在智能家居、增强现实、机器人等多个领域均有广泛应用，可有效提升人机交互的智能化水平。