研究者提出GUI-Lens粗到细GUI定位框架，ScreenSpot-Pro精度最高提升9.3倍
热点事件持续更新
研究者提出GUI-Lens粗到细GUI定位框架，ScreenSpot-Pro精度最高提升9.3倍
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者提出GUI-Lens，一个由粗到细的GUI定位框架：让通用视觉语言模型通过主动视觉观察，从OCR文本和检测到的UI组件中逐步裁剪放大视图定位目标，再映射回原始屏幕坐标。 论文实验显示，在五个GUI定位基准和六个通用基础模型上，GUI-Lens一致提升定位精度，在ScreenSpot-Pro上最高达到直接定位精度的9.3倍。代码已开源。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
GUI-Lens：通过由粗到细裁剪让现成 VLM 实现精准 GUI 定位报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv cs.AIGUI-Lens：通过由粗到细裁剪让现成 VLM 实现精准 GUI 定位
研究者提出 GUI-Lens，一个由粗到细的 GUI 定位框架，让通用 VLM 通过主动视觉观察从 OCR 文本和检测到的 UI 组件中逐步裁剪放大视图来定位目标，最终映射回原始屏幕坐标。在五个 GUI 定位基准和六个通用基础模型上，GUI-Lens 一致提升定位精度，在 ScreenSpot-Pro 上最高达到直接定位精度的 9.3 倍。代码已开源。
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。