跳到正文
arXiv · 机器人与计算机视觉· Adrian Phoulady, Hady Ahmady Phoulady·· 8 天前AI 评分74

GroundCascade:用于 GUI 定位的选择性二次意见方法

GroundCascade: Selective Second Opinions for GUI Grounding

AI 导读

论文介绍 GroundCascade,一种无需训练即可通过全屏与局部视图预测一致性来决定是否咨询互补模型的控制器。该方法在 ScreenSpot-Pro、OSWorld-G-Refined 和 UI-Vision 等基准上实现了比独立两阶段定位器更高的准确率,并在匹配模型调用预算下显著优于分层随机采样策略。材料为预印本,提供了具体的性能提升数据和 API 链接。

来源:arXiv · 机器人与计算机视觉 · arxiv.org