glmv-grounding

关于 glmv-grounding

利用 GLM-V 原生定位能力进行坐标转换、边界框可视化等操作的技能。GLM-V 原生定位可在图像中找到提示词指定的任意目标，并根据图像尺寸输出归一化到 0-1000 的相对坐标。坐标格式包括 2D 边界框（默认）、2D 点和 3D 边界框。GLM-V 还支持对视频中提示词指定的多个目标进行时空定位和跟踪，并按秒输出 2D 边界框。