Copertina

ShowUI-Aloha: Human-Taught GUI Agent

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Yichun, Guo, Xiangwu, Goh, Yauhong, Hu, Jessica, Chen, Zhiheng, Wang, Xin, Gao, Difei, Shou, Mike Zheng
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

ShowUI: One Vision-Language-Action Model for GUI Visual Agent
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2024)

ShowUI-$π$: Flow-based Generative Models as GUI Dexterous Hands
di: Hu, Siyuan, et al.
Pubblicazione: (2025)

The Dawn of GUI Agent: A Preliminary Case Study with Claude 3.5 Computer Use
di: Hu, Siyuan, et al.
Pubblicazione: (2024)

CutVerse: A Compositional GUI Agents Benchmark for Media Post-Production Editing
di: Hu, Haobo, et al.
Pubblicazione: (2026)

GUI Action Narrator: Where and When Did That Action Take Place?
di: Wu, Qinchen, et al.
Pubblicazione: (2024)

AUTO-Explorer: Automated Data Collection for GUI Agent
di: Guo, Xiangwu, et al.
Pubblicazione: (2025)

VideoGUI: A Benchmark for GUI Automation from Instructional Videos
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2024)

PAL-UI: Planning with Active Look-back for Vision-Based GUI Agents
di: Liu, Zikang, et al.
Pubblicazione: (2025)

Show-1: Marrying Pixel and Latent Diffusion Models for Text-to-Video Generation
di: Zhang, David Junhao, et al.
Pubblicazione: (2023)

Show-o2: Improved Native Unified Multimodal Models
di: Xie, Jinheng, et al.
Pubblicazione: (2025)

Delocate: Detection and Localization for Deepfake Videos with Randomly-Located Tampered Traces
di: Hu, Juan, et al.
Pubblicazione: (2024)

ASSISTGUI: Task-Oriented Desktop Graphical User Interface Automation
di: Gao, Difei, et al.
Pubblicazione: (2023)

BTL-UI: Blink-Think-Link Reasoning Model for GUI Agent
di: Zhang, Shaojie, et al.
Pubblicazione: (2025)

Factorized Learning for Temporally Grounded Video-Language Models
di: Zeng, Wenzheng, et al.
Pubblicazione: (2025)

GEB+: A Benchmark for Generic Event Boundary Captioning, Grounding and Retrieval
di: Wang, Yuxuan, et al.
Pubblicazione: (2022)

TongUI: Internet-Scale Trajectories from Multimodal Web Tutorials for Generalized GUI Agents
di: Zhang, Bofei, et al.
Pubblicazione: (2025)

MAI-UI Technical Report: Real-World Centric Foundation GUI Agents
di: Zhou, Hanzhang, et al.
Pubblicazione: (2025)

AQuaUI: Visual Token Reduction for GUI Agents with Adaptive Quadtrees
di: Li, Yuankai, et al.
Pubblicazione: (2026)

D-AR: Diffusion via Autoregressive Models
di: Gao, Ziteng, et al.
Pubblicazione: (2025)

LOVA3: Learning to Visual Question Answering, Asking and Assessment
di: Zhao, Henry Hengyuan, et al.
Pubblicazione: (2024)

FocusUI: Efficient UI Grounding via Position-Preserving Visual Token Selection
di: Ouyang, Mingyu, et al.
Pubblicazione: (2026)

UI-Mem: Self-Evolving Experience Memory for Online Reinforcement Learning in Mobile GUI Agents
di: Xiao, Han, et al.
Pubblicazione: (2026)

UI-Venus Technical Report: Building High-performance UI Agents with RFT
di: Gu, Zhangxuan, et al.
Pubblicazione: (2025)

Automated Movie Generation via Multi-Agent CoT Planning
di: Wu, Weijia, et al.
Pubblicazione: (2025)

UI-TARS: Pioneering Automated GUI Interaction with Native Agents
di: Qin, Yujia, et al.
Pubblicazione: (2025)

UI-Voyager: A Self-Evolving GUI Agent Learning via Failed Experience
di: Lin, Zichuan, et al.
Pubblicazione: (2026)

PANDA: Towards Generalist Video Anomaly Detection via Agentic AI Engineer
di: Yang, Zhiwei, et al.
Pubblicazione: (2025)

UI-AGILE: Advancing GUI Agents with Effective Reinforcement Learning and Precise Inference-Time Grounding
di: Lian, Shuquan, et al.
Pubblicazione: (2025)

Ferret-UI Lite: Lessons from Building Small On-Device GUI Agents
di: Yang, Zhen, et al.
Pubblicazione: (2025)

Mitty: Diffusion-based Human-to-Robot Video Generation
di: Song, Yiren, et al.
Pubblicazione: (2025)

TPDiff: Temporal Pyramid Video Diffusion Model
di: Ran, Lingmin, et al.
Pubblicazione: (2025)

P-Flow: Prompting Visual Effects Generation
di: Zhao, Rui, et al.
Pubblicazione: (2026)

Ego-centric Predictive Model Conditioned on Hand Trajectories
di: Zhang, Binjie, et al.
Pubblicazione: (2025)

StreamingEffect: Real-Time Human-Centric Video Effect Generation
di: Song, Yiren, et al.
Pubblicazione: (2026)

X-Humanoid: Robotize Human Videos to Generate Humanoid Videos at Scale
di: Yang, Pei, et al.
Pubblicazione: (2025)

Learning Video Context as Interleaved Multimodal Sequences
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2024)

EVOLVE-VLA: Test-Time Training from Environment Feedback for Vision-Language-Action Models
di: Bai, Zechen, et al.
Pubblicazione: (2025)

UI-Ins: Enhancing GUI Grounding with Multi-Perspective Instruction-as-Reasoning
di: Chen, Liangyu, et al.
Pubblicazione: (2025)

UI-Genie: A Self-Improving Approach for Iteratively Boosting MLLM-based Mobile GUI Agents
di: Xiao, Han, et al.
Pubblicazione: (2025)

VideoLLM-online: Online Video Large Language Model for Streaming Video
di: Chen, Joya, et al.
Pubblicazione: (2024)