OmniParser 是一种将用户界面屏幕截图解析为结构化且易于理解的元素的综合方法，这显着增强了 GPT-4V 生成可以准确基于界面相应区域的动作的能力。

参考

GitHub OmniParser

OmniParser V2 文章

版权所有

版权归属：唐道勇

本文链接：/llm/microsoft/rbmpsarm.html

许可证：Copyright © 2022-present tangdaoyong