UI-UG: A Unified MLLM for UI Understanding and Generation
专题命中 GUI与屏幕智能体 :MLLM(title,abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI
AI 大模型
视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。
专题命中 GUI与屏幕智能体 :MLLM(title,abstract);multimodal large language model(abstract);分类 cs.CV、cs.AI
机构 * Apple(苹果公司)
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.CV、cs.LG
机构 * Stanford University(斯坦福大学) ; NYU(纽约大学) ; Google DeepMind(谷歌DeepMind)
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.AI
Comments https://world-model-eval.github.io
机构 * Birla Institute of Technology and Science Pilani, K.K Birla Goa Campus(比拉理工学院和科学学院,K.K比拉果阿校区)
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.CV
Journal ref Proc. European Conference on Mobile Robots (ECMR), 2025, pp. 1-6