PALM: Predicting Actions through Language Models
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
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 :vision-language model(abstract);分类 cs.CV
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
Comments Accepted by ECCV 2024
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.CV
Comments Accepted by ECCV 2024
专题命中 GUI与屏幕智能体 :visual language model(abstract);分类 cs.AI
专题命中 GUI与屏幕智能体 :MLLM(abstract);分类 cs.CV
专题命中 GUI与屏幕智能体 :vision language model(abstract);分类 cs.AI
专题命中 GUI与屏幕智能体 :MLLM(abstract);分类 cs.CV
Comments 22 pages, 11 figures, 10 Tables
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.AI
专题命中 GUI与屏幕智能体 :VLM(abstract);分类 cs.CV
Comments Accepted to ICRA 2024
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
Comments Accepted to IJCNN 2024
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.AI
Comments 10 pages
Journal ref IEEE Robotics and Automation Letters 9.5 (2024) 4083-4090
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.AI
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
Comments Technical report. Project Page: https://tomchen-ctj.github.io/OST/
专题命中 GUI与屏幕智能体 :multimodal large language model(abstract);分类 cs.CV
Comments Accepted to CVPR2024
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.AI
Comments ICML-2023 Camera Ready Version
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.CV
Comments 1st Place Solution for the AVDN Challenge in ICCV CLVL 2023
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.AI
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
Comments Preprint manuscript in submission
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.AI
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
专题命中 GUI与屏幕智能体 :VLM(abstract);分类 cs.CV
Comments Accepted at ICCV 2023
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2023, pp. 10170-10180
专题命中 GUI与屏幕智能体 :visual language model(abstract);分类 cs.CV
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
Comments 7 pages (main text excluding references), 3 figures, 7 tables
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
Comments 12 pages, 7 figures
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.CV
Comments 10 pages, 4 figures
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.AI
Comments 7 pages, Accepted to ACL Industry Track 2023
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
Comments Technical Report
专题命中 GUI与屏幕智能体 :vision-language model(abstract);分类 cs.CV
Comments CVPR 2023
专题命中 GUI与屏幕智能体 :grounding(abstract);分类 cs.AI
Comments EMNLP (Findings) 2022