V2P: Visual Attention Calibration for GUI Grounding via Background Suppression and Center Peaking
Fuente:
arXiv
Salvato in:
| Autori principali: | Chen, Jikai, Chen, Long, Wang, Dong, Su, Qinglin, Chu, Zhixuan, Hao, Bingguang, Gan, Leilei, Zhuang, Chenyi, Gu, Jinjie |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
V2P: Visual Attention Calibration for GUI Grounding via Background Suppression and Center Peaking
di: Chen, Jikai, et al.
Pubblicazione: (2026)
di: Chen, Jikai, et al.
Pubblicazione: (2026)
SQLCritic: Correcting Text-to-SQL Generation via Clause-wise Critic
di: Chen, Jikai, et al.
Pubblicazione: (2025)
di: Chen, Jikai, et al.
Pubblicazione: (2025)
Don't Just Fine-tune the Agent, Tune the Environment
di: Lu, Siyuan, et al.
Pubblicazione: (2025)
di: Lu, Siyuan, et al.
Pubblicazione: (2025)
Explainable Behavior Cloning: Teaching Large Language Model Agents through Learning by Demonstration
di: Guan, Yanchu, et al.
Pubblicazione: (2024)
di: Guan, Yanchu, et al.
Pubblicazione: (2024)
FunReason-MT Technical Report: Advanced Data Synthesis Solution for Real-world Multi-Turn Tool-use
di: Xu, Zengzhuang, et al.
Pubblicazione: (2025)
di: Xu, Zengzhuang, et al.
Pubblicazione: (2025)
FunReason: Enhancing Large Language Models' Function Calling via Self-Refinement Multiscale Loss and Automated Data Refinement
di: Hao, Bingguang, et al.
Pubblicazione: (2025)
di: Hao, Bingguang, et al.
Pubblicazione: (2025)
Lookahead: An Inference Acceleration Framework for Large Language Model with Lossless Generation Accuracy
di: Zhao, Yao, et al.
Pubblicazione: (2023)
di: Zhao, Yao, et al.
Pubblicazione: (2023)
Recon-Act: A Self-Evolving Multi-Agent Browser-Use System via Web Reconnaissance, Tool Generation, and Task Execution
di: He, Kaiwen, et al.
Pubblicazione: (2025)
di: He, Kaiwen, et al.
Pubblicazione: (2025)
Reasoning through Exploration: A Reinforcement Learning Framework for Robust Function Calling
di: Hao, Bingguang, et al.
Pubblicazione: (2025)
di: Hao, Bingguang, et al.
Pubblicazione: (2025)
GUI-G1: Understanding R1-Zero-Like Training for Visual Grounding in GUI Agents
di: Zhou, Yuqi, et al.
Pubblicazione: (2025)
di: Zhou, Yuqi, et al.
Pubblicazione: (2025)
SeeClick: Harnessing GUI Grounding for Advanced Visual GUI Agents
di: Cheng, Kanzhi, et al.
Pubblicazione: (2024)
di: Cheng, Kanzhi, et al.
Pubblicazione: (2024)
GUI-Eyes: Tool-Augmented Perception for Visual Grounding in GUI Agents
di: Chen, Chen, et al.
Pubblicazione: (2026)
di: Chen, Chen, et al.
Pubblicazione: (2026)
CSR:Achieving 1 Bit Key-Value Cache via Sparse Representation
di: Zhang, Hongxuan, et al.
Pubblicazione: (2024)
di: Zhang, Hongxuan, et al.
Pubblicazione: (2024)
StressWeb: A Diagnostic Benchmark for Web Agent Robustness under Realistic Interaction Variability
di: Bai, Haoyue, et al.
Pubblicazione: (2026)
di: Bai, Haoyue, et al.
Pubblicazione: (2026)
CharPoet: A Chinese Classical Poetry Generation System Based on Token-free LLM
di: Yu, Chengyue, et al.
Pubblicazione: (2024)
di: Yu, Chengyue, et al.
Pubblicazione: (2024)
Profile-Aware Maneuvering: A Dynamic Multi-Agent System for Robust GAIA Problem Solving by AWorld
di: Xie, Zhitian, et al.
Pubblicazione: (2025)
di: Xie, Zhitian, et al.
Pubblicazione: (2025)
VL-Calibration: Decoupled Confidence Calibration for Large Vision-Language Models Reasoning
di: Xiao, Wenyi, et al.
Pubblicazione: (2026)
di: Xiao, Wenyi, et al.
Pubblicazione: (2026)
AutoGUI: Scaling GUI Grounding with Automatic Functionality Annotations from LLMs
di: Li, Hongxin, et al.
Pubblicazione: (2025)
di: Li, Hongxin, et al.
Pubblicazione: (2025)
GUI-AIMA: Aligning Intrinsic Multimodal Attention with a Context Anchor for GUI Grounding
di: Zhou, Shijie, et al.
Pubblicazione: (2025)
di: Zhou, Shijie, et al.
Pubblicazione: (2025)
Aria-UI: Visual Grounding for GUI Instructions
di: Yang, Yuhao, et al.
Pubblicazione: (2024)
di: Yang, Yuhao, et al.
Pubblicazione: (2024)
GUI-G$^2$: Gaussian Reward Modeling for GUI Grounding
di: Tang, Fei, et al.
Pubblicazione: (2025)
di: Tang, Fei, et al.
Pubblicazione: (2025)
Fast Chain-of-Thought: A Glance of Future from Parallel Decoding Leads to Answers Faster
di: Zhang, Hongxuan, et al.
Pubblicazione: (2023)
di: Zhang, Hongxuan, et al.
Pubblicazione: (2023)
AlignCAT: Visual-Linguistic Alignment of Category and Attribute for Weakly Supervised Visual Grounding
di: Wang, Yidan, et al.
Pubblicazione: (2025)
di: Wang, Yidan, et al.
Pubblicazione: (2025)
Self-Verification Dilemma: Experience-Driven Suppression of Overused Checking in LLM Reasoning
di: Long, Quanyu, et al.
Pubblicazione: (2026)
di: Long, Quanyu, et al.
Pubblicazione: (2026)
GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents
di: Wu, Qianhui, et al.
Pubblicazione: (2025)
di: Wu, Qianhui, et al.
Pubblicazione: (2025)
RAG-R1: Incentivizing the Search and Reasoning Capabilities of LLMs through Multi-query Parallelism
di: Tan, Zhiwen, et al.
Pubblicazione: (2025)
di: Tan, Zhiwen, et al.
Pubblicazione: (2025)
Mitigate Position Bias with Coupled Ranking Bias on CTR Prediction
di: Zhao, Yao, et al.
Pubblicazione: (2024)
di: Zhao, Yao, et al.
Pubblicazione: (2024)
LiveAgentBench: Comprehensive Benchmarking of Agentic Systems Across 104 Real-World Challenges
di: Li, Hao, et al.
Pubblicazione: (2026)
di: Li, Hao, et al.
Pubblicazione: (2026)
Professional Agents -- Evolving Large Language Models into Autonomous Experts with Human-Level Competencies
di: Chu, Zhixuan, et al.
Pubblicazione: (2024)
di: Chu, Zhixuan, et al.
Pubblicazione: (2024)
Large Multimodal Model Compression via Efficient Pruning and Distillation at AntGroup
di: Wang, Maolin, et al.
Pubblicazione: (2023)
di: Wang, Maolin, et al.
Pubblicazione: (2023)
SafeGround: Know When to Trust GUI Grounding Models via Uncertainty Calibration
di: Wang, Qingni, et al.
Pubblicazione: (2026)
di: Wang, Qingni, et al.
Pubblicazione: (2026)
Learning GUI Grounding with Spatial Reasoning from Visual Feedback
di: Zhao, Yu, et al.
Pubblicazione: (2025)
di: Zhao, Yu, et al.
Pubblicazione: (2025)
DiMo-GUI: Advancing Test-time Scaling in GUI Grounding via Modality-Aware Visual Reasoning
di: Wu, Hang, et al.
Pubblicazione: (2025)
di: Wu, Hang, et al.
Pubblicazione: (2025)
UI-Zoomer: Uncertainty-Driven Adaptive Zoom-In for GUI Grounding
di: Tang, Fei, et al.
Pubblicazione: (2026)
di: Tang, Fei, et al.
Pubblicazione: (2026)
AdaZoom-GUI: Adaptive Zoom-based GUI Grounding with Instruction Refinement
di: Pei, Siqi, et al.
Pubblicazione: (2026)
di: Pei, Siqi, et al.
Pubblicazione: (2026)
Enhancing Visual Grounding for GUI Agents via Self-Evolutionary Reinforcement Learning
di: Yuan, Xinbin, et al.
Pubblicazione: (2025)
di: Yuan, Xinbin, et al.
Pubblicazione: (2025)
MoDE: A Mixture-of-Experts Model with Mutual Distillation among the Experts
di: Xie, Zhitian, et al.
Pubblicazione: (2024)
di: Xie, Zhitian, et al.
Pubblicazione: (2024)
\textsc{GUI-Spotlight}: Adaptive Iterative Focus Refinement for Enhanced GUI Visual Grounding
di: Lei, Bin, et al.
Pubblicazione: (2025)
di: Lei, Bin, et al.
Pubblicazione: (2025)
Navigating the Digital World as Humans Do: Universal Visual Grounding for GUI Agents
di: Gou, Boyu, et al.
Pubblicazione: (2024)
di: Gou, Boyu, et al.
Pubblicazione: (2024)
DRS-GUI: Dynamic Region Search for Training-Free GUI Grounding
di: Liu, Yichao, et al.
Pubblicazione: (2026)
di: Liu, Yichao, et al.
Pubblicazione: (2026)
Documenti analoghi
-
V2P: Visual Attention Calibration for GUI Grounding via Background Suppression and Center Peaking
di: Chen, Jikai, et al.
Pubblicazione: (2026) -
SQLCritic: Correcting Text-to-SQL Generation via Clause-wise Critic
di: Chen, Jikai, et al.
Pubblicazione: (2025) -
Don't Just Fine-tune the Agent, Tune the Environment
di: Lu, Siyuan, et al.
Pubblicazione: (2025) -
Explainable Behavior Cloning: Teaching Large Language Model Agents through Learning by Demonstration
di: Guan, Yanchu, et al.
Pubblicazione: (2024) -
FunReason-MT Technical Report: Advanced Data Synthesis Solution for Real-world Multi-Turn Tool-use
di: Xu, Zengzhuang, et al.
Pubblicazione: (2025)