T-Rex2 ist eine bahnbrechende Objekterkennungstechnologie, die eine Vielzahl von Objekten – von alltäglichen bis hin zu ungewöhnlichen – ohne taskspezifische Feinabstimmung oder umfangreiche Trainingsdatensätze identifizieren kann. Durch die Kombination von visuellen und textuellen Hinweisen erhält sie eine starke Zero-Shot-Fähigkeit und ist für Objekterkennungsaufgaben in verschiedenen Szenarien weit verbreitet einsetzbar. T-Rex2 besteht aus vier Komponenten: Bildencoder, visueller Hinweis-Encoder, textueller Hinweis-Encoder und Box-Decoder. Es folgt dem End-to-End-Designprinzip von DETR und deckt eine Vielzahl von Anwendungsszenarien ab. T-Rex2 erzielte in vier akademischen Benchmark-Tests (COCO, LVIS, ODinW und Roboflow100) die besten Ergebnisse.