Hierarchical-Localization (hloc) 是一个用于大规模6自由度视觉定位的模块化工具箱。它实现了分层定位算法,利用图像检索和特征匹配,具有快速、准确和可扩展的特点。该代码库整合了多年来图像匹配和运动结构重建(Structure-from-Motion)方面的研究成果,使其易于使用。

苹果公司最近发布了一款名为Ferret的多模态大语言模型,这是一个能够理解和定位图像中任何形状或粒度的物体的端到端MLLM模型。本文将详细介绍Ferret的特点、架构和应用潜力。