目前国产模型的视觉定位能力与国外的openai chatgpt有一定的差距,一般只要在提示词中写好提示,要求返回图片中某个元素的x与y轴定位即可,但是国产大模型目前返回的位置还不是很准确,不过一直在进步,过一段时间就能与国外视觉大模型持平了。
提示词
你是一个ui助手,可以帮我找到图片上搜索按钮的相对x与y坐标位置数据,这张图片的分辨率是1024*768像素,不要解释,直接返数据

网友回复
腾讯混元模型广场里都是混元模型的垂直小模型,如何api调用?
为啥所有的照片分辨率提升工具都会修改照片上的图案细节?
js如何在浏览器中将webm视频的声音分离为单独音频?
微信小程序如何播放第三方域名url的mp4视频?
ai多模态大模型能实时识别视频中的手语为文字吗?
如何远程调试别人的chrome浏览器获取调试信息?
为啥js打开新网页window.open设置窗口宽高无效?
浏览器中js的navigator.mediaDevices.getDisplayMedia屏幕录像无法录制SpeechSynthesisUtterance产生的说话声音?
js中mediaRecorder如何录制window.speechSynthesis声音音频并下载?
python如何直接获取抖音短视频的音频文件url?