오픈 보캡 탐지
레이블 집합에 제한되지 않고 자연어 질의를 통해 새로운 객체 클래스를 인식하는 탐지 접근법으로, 이미지와 텍스트 입력을 결합하여 텍스트 조건에 맞는 박스와 점수를 출력한다. 이 방식은 모델 입력에 텍스트 텐서를 포함하고, 예측된 pred_logits를 텍스트 임베딩과 비교하는 과정을 거쳐 동작한다. 프로젝트 맥락에서는 Grounding-DINO와 같은 VLM을 Edge 스트리밍 파이프라인에서 실시간으로 구동하는 문제가 핵심이다.