三花快讯 · 2024, 8月1日
PaliGemma WaveUI：用户界面导航模型
可用于帮助创建能够自主使用软件的智能体
PaliGemma WaveUI 能够通过文本提示准确找到图像中的 UI 元素，并返回 BBox 和坐标，它是一个基于 PaliGemma 和 WaveUI 数据集进行微调的的模型，提供了 448 和 896（效果最好）两个型号，可以用于创建能够自主浏览桌面、使用软件和 APP 的智能体.
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。