安卓自动化助手 AutoLXB 更新：结合视觉模型实现跨设备任务复用与导入导出
开源安卓自动化框架 AutoLXB 发布重要更新，新增任务及路线的导入导出功能。该工具采用“Route-then-Act”机制，优先回放已保存的操作路线以减少模型依赖。此次更新的核心亮点在于利用视觉模型的泛化能力，将任务路线中的坐标操作转换...
标签索引
视觉模型
这个标签下有 6 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
开发者五一利用“Vibe Coding”打造开源AI监控NVR系统，赋予普通摄像头定制化识别能力
开发者为了解决宠物监控的个性化需求，利用五一假期通过“Vibe Coding”（AI辅助编程）开发了一款开源AI监控NVR系统。该系统突破了传统商用摄像头智能识别能力的局限，支持接入多个摄像头，利用多帧画面喂给视觉模型（如 Qwen3.5-...
DeepSeek 视觉模型实测：地图与图像联想能力表现出色，多模态比拼 Gemini
近日，社区针对 DeepSeek 视觉模型进行了首轮实测，并将其与 Gemini 3.1 Pro、Kimi 等主流模型进行了横向对比。测试项目涵盖手指数量识别、军事装备细节（如直10毫米波雷达）、冷门航空知识、地图常识以及图像联想能力。结果...
Seedance 2.0 发布：基于视觉大模型的专业分镜提示词生成工具
社区新项目“Seedance 2.0”上线，这是一款专注于AI视频分镜的提示词生成专家工具。该产品基于百炼平台的视觉大模型与结构化提示词技术，旨在帮助用户将模糊的想法或图片转化为专业的分镜提示词。其核心亮点在于支持“看图说故事”及多轮对话优...
Claude Skills新玩法：AI自动刷抖音，视觉模型点赞高颜值视频
作者利用Claude Skills特性，结合Gemini CLI和Python Playwright模块，开发了一款自动刷抖音的Agent工具。该工具通过视觉大模型实时评估视频人物颜值，据此自动进行点赞或关注操作。文章详细记录了利用AI编写...
AI训练小模型：App自动化垂直应用新探索
本文探讨了基于App自动化脚本平台产生的大量数据，训练垂直单一的视觉小模型的创新方案。模型专注于纯视觉理解App控件结构和业务流程，实现特定任务自动化，如发帖或评论。方案强调持续学习机制以应对App更新，与AutoGLM类似但更聚焦小规模应...