跳到正文
arXiv · 机器人与计算机视觉· Chen Liu, Zhen Fang, Xin Yu, Dadong Wang, Ling Chen·· 4 小时前AI 评分75

ScaleDiag:诊断 GUI 定位中测试时缩放的极限

ScaleDiag: Diagnosing the Limits of Test-Time Scaling in GUI Grounding

AI 导读

论文提出 ScaleDiag 框架,通过独立控制目标尺度、上下文信息及候选覆盖度,系统评估了视觉缩放、指令缩放和采样缩放对 GUI 定位的影响。研究发现各策略均存在狭窄的有效区间:视觉缩放由目标占据面积主导而非固定裁剪比;指令增益主要依赖外观与空间描述,颜色等属性常无效甚至有害;重复采样虽能生成正确坐标但难以选出,几何共识提升有限。代码已开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org