GUI-Lens提出粗到细GUI定位框架
热点事件持续更新
GUI-Lens提出粗到细GUI定位框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Zichuan Fu等作者提出 GUI-Lens，一个由粗到细的 GUI 定位框架：让现成的通用视觉语言模型（VLM）通过逐级裁剪图像、主动进行视觉观察，逐步确定点击目标，而不是一次性给出位置。作者在论文中称，该框架在 ScreenSpot-Pro 基准上的准确率最高达到直接定位的 9.3 倍。 该框架面向现成的通用 VLM，把定位过程拆成从粗到细的多次观察，以此缩小候选区域；其效果以作者报告的基准测试结果为准。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AIGUI-Lens：让现成 视觉语言模型（VLM，Vision-Language Model） 通过由粗到细裁剪实现精准 GUI 定位
GUI-Lens 提出一种由粗到细的 GUI 定位框架，让通用视觉语言模型（VLM，Vision-Language Model）通过主动视觉观察逐步确定点击目标，在 ScreenSpot-Pro 上的准确率最高达到直接定位的 9.3 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。