UISearch: Graph-Based Embeddings for Multimodal Enterprise UI Screenshots Retrieval
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Ayli, Maroun, Bakouny, Youssef, Sharma, Tushar, Jalloul, Nader, Seifeddine, Hani, Kilany, Rima |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
RzenEmbed: Towards Comprehensive Multimodal Retrieval
par: Jian, Weijian, et autres
Publié: (2025)
par: Jian, Weijian, et autres
Publié: (2025)
Ferret-UI: Grounded Mobile UI Understanding with Multimodal LLMs
par: You, Keen, et autres
Publié: (2024)
par: You, Keen, et autres
Publié: (2024)
VisRefiner: Learning from Visual Differences for Screenshot-to-Code Generation
par: Deng, Jie, et autres
Publié: (2026)
par: Deng, Jie, et autres
Publié: (2026)
Improving Language Understanding from Screenshots
par: Gao, Tianyu, et autres
Publié: (2024)
par: Gao, Tianyu, et autres
Publié: (2024)
SegDT: A Diffusion Transformer-Based Segmentation Model for Medical Imaging
par: Bekhouche, Salah Eddine, et autres
Publié: (2025)
par: Bekhouche, Salah Eddine, et autres
Publié: (2025)
Reasoning Guided Embeddings: Leveraging MLLM Reasoning for Improved Multimodal Retrieval
par: Liu, Chunxu, et autres
Publié: (2025)
par: Liu, Chunxu, et autres
Publié: (2025)
Rethinking Token Pruning for Historical Screenshots in GUI Visual Agents: Semantic, Spatial, and Temporal Perspectives
par: Li, Daiqiang, et autres
Publié: (2026)
par: Li, Daiqiang, et autres
Publié: (2026)
UI-Venus Technical Report: Building High-performance UI Agents with RFT
par: Gu, Zhangxuan, et autres
Publié: (2025)
par: Gu, Zhangxuan, et autres
Publié: (2025)
UI2Code^N: UI-to-Code Generation as Interactive Visual Optimization
par: Yang, Zhen, et autres
Publié: (2025)
par: Yang, Zhen, et autres
Publié: (2025)
Widget2Code: From Visual Widgets to UI Code via Multimodal LLMs
par: Zhang, Houston H., et autres
Publié: (2025)
par: Zhang, Houston H., et autres
Publié: (2025)
TongUI: Internet-Scale Trajectories from Multimodal Web Tutorials for Generalized GUI Agents
par: Zhang, Bofei, et autres
Publié: (2025)
par: Zhang, Bofei, et autres
Publié: (2025)
LLM-Based Identification of Infostealer Infection Vectors from Screenshots: The Case of Aurora
par: Ruellan, Estelle, et autres
Publié: (2025)
par: Ruellan, Estelle, et autres
Publié: (2025)
RWKV-UI: UI Understanding with Enhanced Perception and Reasoning
par: Yang, Jiaxi, et autres
Publié: (2025)
par: Yang, Jiaxi, et autres
Publié: (2025)
PLUME: Latent Reasoning Based Universal Multimodal Embedding
par: He, Chenwei, et autres
Publié: (2026)
par: He, Chenwei, et autres
Publié: (2026)
PAL-UI: Planning with Active Look-back for Vision-Based GUI Agents
par: Liu, Zikang, et autres
Publié: (2025)
par: Liu, Zikang, et autres
Publié: (2025)
From Pixels to Titles: Video Game Identification by Screenshots using Convolutional Neural Networks
par: Breve, Fabricio
Publié: (2023)
par: Breve, Fabricio
Publié: (2023)
Integrating ConvNeXt and Vision Transformers for Enhancing Facial Age Estimation
par: Maroun, Gaby, et autres
Publié: (2025)
par: Maroun, Gaby, et autres
Publié: (2025)
MR-STGN: Multi-Residual Spatio Temporal Graph Network Using Attention Fusion for Patient Action Assessment
par: Mourchid, Youssef, et autres
Publié: (2023)
par: Mourchid, Youssef, et autres
Publié: (2023)
Unlocking the conversion of Web Screenshots into HTML Code with the WebSight Dataset
par: Laurençon, Hugo, et autres
Publié: (2024)
par: Laurençon, Hugo, et autres
Publié: (2024)
REGen: Multimodal Retrieval-Embedded Generation for Long-to-Short Video Editing
par: Xu, Weihan, et autres
Publié: (2025)
par: Xu, Weihan, et autres
Publié: (2025)
ObjEmbed: Towards Universal Multimodal Object Embeddings
par: Fu, Shenghao, et autres
Publié: (2026)
par: Fu, Shenghao, et autres
Publié: (2026)
Embedding-based Retrieval in Multimodal Content Moderation
par: Liang, Hanzhong, et autres
Publié: (2025)
par: Liang, Hanzhong, et autres
Publié: (2025)
ShowUI-Aloha: Human-Taught GUI Agent
par: Zhang, Yichun, et autres
Publié: (2026)
par: Zhang, Yichun, et autres
Publié: (2026)
DynSTG-Mamba: Dynamic Spatio-Temporal Graph Mamba with Cross-Graph Knowledge Distillation for Gait Disorders Recognition
par: Zrimek, Zakariae, et autres
Publié: (2025)
par: Zrimek, Zakariae, et autres
Publié: (2025)
UrbanGraphEmbeddings: Learning and Evaluating Spatially Grounded Multimodal Embeddings for Urban Science
par: Zhang, Jie, et autres
Publié: (2026)
par: Zhang, Jie, et autres
Publié: (2026)
Joint Retrieval of Cloud properties using Attention-based Deep Learning Models
par: Tushar, Zahid Hassan, et autres
Publié: (2025)
par: Tushar, Zahid Hassan, et autres
Publié: (2025)
Embed-RL: Reinforcement Learning for Reasoning-Driven Multimodal Embeddings
par: Jiang, Haonan, et autres
Publié: (2026)
par: Jiang, Haonan, et autres
Publié: (2026)
ScreenQA: Large-Scale Question-Answer Pairs over Mobile App Screenshots
par: Hsiao, Yu-Chung, et autres
Publié: (2022)
par: Hsiao, Yu-Chung, et autres
Publié: (2022)
Generative Giants, Retrieval Weaklings: Why do Multimodal Large Language Models Fail at Multimodal Retrieval?
par: Feng, Hengyi, et autres
Publié: (2025)
par: Feng, Hengyi, et autres
Publié: (2025)
Cloud Optical Thickness Retrievals Using Angle Invariant Attention Based Deep Learning Models
par: Tushar, Zahid Hassan, et autres
Publié: (2025)
par: Tushar, Zahid Hassan, et autres
Publié: (2025)
ScreenAI: A Vision-Language Model for UI and Infographics Understanding
par: Baechler, Gilles, et autres
Publié: (2024)
par: Baechler, Gilles, et autres
Publié: (2024)
Modality Curation: Building Universal Embeddings for Advanced Multimodal Information Retrieval
par: Kong, Fanheng, et autres
Publié: (2025)
par: Kong, Fanheng, et autres
Publié: (2025)
UI-UG: A Unified MLLM for UI Understanding and Generation
par: Yang, Hao, et autres
Publié: (2025)
par: Yang, Hao, et autres
Publié: (2025)
Personalizing Retrieval using Joint Embeddings or "the Return of Fluffy"
par: Korbar, Bruno, et autres
Publié: (2025)
par: Korbar, Bruno, et autres
Publié: (2025)
ViLL-E: Video LLM Embeddings for Retrieval
par: Gupta, Rohit, et autres
Publié: (2026)
par: Gupta, Rohit, et autres
Publié: (2026)
Leveraging Foundation Models for Multimodal Graph-Based Action Recognition
par: Ziaeetabar, Fatemeh, et autres
Publié: (2025)
par: Ziaeetabar, Fatemeh, et autres
Publié: (2025)
Graph-Based Multimodal and Multi-view Alignment for Keystep Recognition
par: Romero, Julia Lee, et autres
Publié: (2025)
par: Romero, Julia Lee, et autres
Publié: (2025)
EVENT-Retriever: Event-Aware Multimodal Image Retrieval for Realistic Captions
par: Vo, Dinh-Khoi, et autres
Publié: (2025)
par: Vo, Dinh-Khoi, et autres
Publié: (2025)
MetaEmbed: Scaling Multimodal Retrieval at Test-Time with Flexible Late Interaction
par: Xiao, Zilin, et autres
Publié: (2025)
par: Xiao, Zilin, et autres
Publié: (2025)
Learning Where to Embed: Noise-Aware Positional Embedding for Query Retrieval in Small-Object Detection
par: Zeng, Yangchen, et autres
Publié: (2026)
par: Zeng, Yangchen, et autres
Publié: (2026)
Documents similaires
-
RzenEmbed: Towards Comprehensive Multimodal Retrieval
par: Jian, Weijian, et autres
Publié: (2025) -
Ferret-UI: Grounded Mobile UI Understanding with Multimodal LLMs
par: You, Keen, et autres
Publié: (2024) -
VisRefiner: Learning from Visual Differences for Screenshot-to-Code Generation
par: Deng, Jie, et autres
Publié: (2026) -
Improving Language Understanding from Screenshots
par: Gao, Tianyu, et autres
Publié: (2024) -
SegDT: A Diffusion Transformer-Based Segmentation Model for Medical Imaging
par: Bekhouche, Salah Eddine, et autres
Publié: (2025)