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