Grounding DINO는 IDEA Research에서 개발한 오픈셋 객체 탐지 프레임워크로, 자연어 텍스트 프롬프트만으로 이미지에서 임의의 객체를 탐지할 수 있습니다. DINO 검출 트랜스포머와 Grounded Pre-Training을 결합하여 사전 정의된 카테고리 없이도 텍스트로 설명한 모든 객체를 인식합니다. COCO 데이터셋에서 학습 없이 52.5 AP의 제로샷 성능을 달성했으며, 파인튜닝 시 63.0 AP까지 향상됩니다. Segment Anything, Stable Diffusion 등과 통합하여 세그멘테이션, 이미지 편집 등 다양한 비전 파이프라인의 핵심 모듈로 활용됩니다. ECCV 2024에 공식 채택된 논문의 구현체입니다.