问答求助一下现在哪家的 AI 能识别图片并且给出对应功能点的位置信息

我不吃香菜 · 2025年04月10日 · 最后由 zhuhui132 回复于 2025年04月11日 · 1989 次阅读

之前的 AI 都是以玩为主，近期接到一个需求。其实就是做 UI 自动化，但是要批量做很多。而且可能会有细微上的不同。像下方的要求啊 D 就给不出直接的结果了，有没有办法能达到这个目标的，这样就能做出相似流程的自愈类脚本了。

共收到 12 条回复时间点赞

恒温 #1 · 2025年04月10日

omniparser2, uground，这些应该都可以。

IAmTester #2 · 2025年04月10日

对

请教下 uground 是啥百度不到

干饭狂人 #3 · 2025年04月10日

dp 本来就不是多模态的大模型，去看看 qwen-vl 之类的视觉大模型吧

fox #4 · 2025年04月11日

对

为什么我能搜到

xiaoHei #5 · 2025年04月11日

airtest 不考虑一下吗？

南柯一梦丶 #6 · 2025年04月11日

我用的豆包，识别效果还可以，找专门的多模态能识图的大模型

wupengfeng #7 · 2025年04月11日

直接参考 airtest 的这个文章：文字识别技术升级：Airtest 与 PaddleOCR 模型的协作小技巧
https://mp.weixin.qq.com/s/6Y6BeFnoXfz0qKf2P_FaOw

IAmTester #8 · 2025年04月11日

对

fox 回复

因为你聪明啊，多给几个关键词？

Joo #9 · 2025年04月11日

我不吃香菜 #10 · 2025年04月11日 Author

周末回去看看，感谢

我不吃香菜 #11 · 2025年04月11日 Author

对

驱动是用 airtest，但是在不同包的指定流程下例如 “确认” 会有不同的图片，批量构造主流程脚本想用 AI 去识别和定位，然后修复成对应的数据

zhuhui132 #12 · 2025年04月11日

对

Joo 回复

感觉需要 gpu 机器才快点。。。要不要太慢了，一个图片 10s 多才解析完

需要登录后方可回复, 如果你还没有账号请点击这里注册。

问答 求助一下现在哪家的 AI 能识别图片并且给出对应功能点的位置信息