arXiv Computer Vision· Jingchao Wang, Dingjiang Huang·· 20 小时前AI 评分27
Seg2Click：为 GUI 视觉定位学习像素级动作掩码
Seg2Click: Learning Pixel-Level Action Masks for GUI Visual Grounding
AI 导读
Seg2Click 将 GUI 视觉定位重构为可执行区域预测，用边界框监督预测可执行区域掩码，再通过确定性规则计算最终点击点，无需验证器或放大处理。
来源：arXiv Computer Vision · arxiv.org