Seg2Click 提出 GUI 视觉定位的可执行区域预测方法

2026 年 10 月 14 日，arXiv Computer Vision 发布由 Jingchao Wang、Dingjiang Huang 提出的 Seg2Click 方法。该工作将 GUI 视觉定位重构为可执行区域预测，即识别在何处点击能够有效执行给定指令。方法上，Seg2Click 使用边界框监督来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。报道称作者已对该方法进行实验验证，但未披露具体数据集、评测指标与对比结果。截至本条报道，事件仍处于方法提出与初步实验阶段，尚无后续跟进报道。 说明：本条综述仅依据该篇主报道，未发现与早先报道存在数字、时间或说法上的矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。