GoClick：轻量级GUI自主交互元素定位模型
GoClick: Lightweight Element Grounding Model for Autonomous GUI Interaction

Hongxin Li, Yuntao Chen, Zhaoxiang Zhang
⭐ 4

• 本文提出GoClick，一个专为移动设备GUI元素定位设计的轻量级视觉语言模型。
• 该模型仅有2.3亿参数，却能实现高精度，有效解决了轻量化与性能之间的平衡。
• GoClick采用编码器-解码器架构，并结合渐进式数据精炼技术进行训练，确保了高效与准确性。
• 旨在支持移动端图形用户界面的自主交互，极大地提升了自动化操作和用户体验。

🔗 arXiv · 🤗 HF

#GUI交互 #元素定位 #视觉语言 #轻量级模型 #自主交互 #移动应用

模拟检索器：用于模拟电路检索的跨模态表示学习
AnalogRetriever: Learning Cross-Modal Representations for Analog Circuit Retrieval

Yihan Wang, Lei Li, Yao Lai, Jing Wang, Yan Lu
⭐ 1

• AnalogRetriever是一个统一的三模态检索框架，旨在通过整合多种数据形式来增强模拟电路设计。
• 该框架能够将电路原理图、文本描述和网表结构编码到一个共享的嵌入空间中，实现高效的跨模态检索。
• 它利用视觉语言模型处理图像和文本数据，并结合图卷积网络来理解网表等结构化信息。
• 通过这种方式，AnalogRetriever为模拟电路的快速检索提供了强大支持，从而加速设计与开发流程。

🔗 arXiv · 🤗 HF

#模拟电路 #跨模态检索 #多模态学习 #图神经网络 #视觉语言模型

极简生成式图文预训练方法：让ViT直接说话
Let ViT Speak: Generative Language-Image Pre-training
⭐ 5 · arXiv · HF
#图文预训练 #多模态 #自回归 #视觉编码器 #文档理解