该文章介绍了一种名为GroundVLP的零样本方法，通过结合热力图和开放词汇检测器的对象提案，解决了视觉定位任务中数据标注不足的问题。实验结果显示该方法在RefCOCO/+/g数据集上超过了现有零样本方法的28％，在Flickr30k实体数据集上表现相当甚至更好。