视觉大模型 / VLM

UItron: Foundational GUI Agent with Advanced Perception and Planning

Zhixiong Zeng, Jing Huang, Liming Zheng, Wenkang Han, Yufeng Zhong, Lei Chen, Longrong Yang, Yingjie Chu, Yuzhi He, Lin Ma

机构 * Meituan（美团） 纠错

专题命中 GUI与屏幕智能体 ：grounding(abstract)；分类 cs.CV

Comments 24 pages

ALow-Cost Real-Time Framework for Industrial Action Recognition Using Foundation Models

Zhicheng Wang, Wensheng Liang, Ruiyan Zhuang, Shuai Li, Jianwei Tan, Xiaoguang Ma

机构 * College of Information Science and Engineering, Northeastern University, Shenyang, China（信息科学与工程学院，东北大学，沈阳，中国） ； School of Mechanical Engineering and Automation, Northeastern University, Shenyang, China（机械工程与自动化学院，东北大学，沈阳，中国） ； Enterprise AI, Midea AI Innovation Center, Foshan, China（企业人工智能，美的人工智能创新中心，佛山，中国） ； Foshan Graduate School of innovation, Northeastern University, Foshan, China（佛山创新研究生学院，东北大学，佛山，中国） 纠错

专题命中 GUI与屏幕智能体 ：grounding(abstract)；分类 cs.CV