T-Rex2 是 ECCV2024 开源的通用目标检测模型，结合文本提示与视觉提示，实现开放场景下的目标检测和计数。

开放词表目标计数模型，基于视觉语言基础模型，能按任意文本描述统计图像中物体数量，无需针对新类别重新训练。

用强化学习把目标检测、分割、计数等视觉感知任务统一进多模态大模型的推理流程，让模型边推理边定位。