arXiv cs.CL· Bingchao Wang, Yongcheng Jing, Chengyu Wang, Jun Huang, Jie Yang, Wei Liu, Dacheng Tao·· 12 小时前AI 评分38
AdaGround：面向 GUI Grounding 的 Token 归一化自适应缩放与验证器闭环优化
AdaGround: Token-Normalized Adaptive Zooming with Verifier-in-the-Loop Refinement for GUI Grounding
AI 导读
AdaGround 是一个免训练框架，通过 Token 归一化自适应缩放、验证器闭环优化和组合结构 Grounding 三个组件提升高分辨率屏幕上的 GUI Grounding 精度。
正文 · AI 翻译
摘要：高分辨率屏幕上的 GUI 定位主要在小目标上失败，而放大是常见的免训练补救方法。然而，大多数现有放大流程不会根据目标大小匹配缩放比例，无条件接受放大后的答案，并且从不重新审视错误答案。为解决这些问题，我们提出 AdaGround，一个免训练框架，包含三个组件：（1）Token 归一化自适应缩放，根据模型自身对目标大小的估计来设置每个样本的放大倍数、视野和缩放深度；（2）循环验证器精炼，使用一个带标记点击的 Yes/No 验证器来保留或拒绝每次缩放、在缩放链之间选择、触发重新定位，并通过存在性查询决定何时弃权；（3）组合结构定位，根据表头组合电子表格单元格。在 Qwen3-VL 模型上，AdaGround 超越了最先进的免训练缩放方法和许多经过训练的 GUI 模型，在 OSWorld-G 和 ScreenSpot-Pro 上将主干模型的准确率提高了 7.4 到 20.6 个百分点，其增益也延续到留出的 UI-Vision。代码可在 此 https URL 获取
| 评论： | 24 页，5 幅图，14 张表 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI)；计算与语言 (cs.CL) |
| ACM 分类： | I.2.10; H.5.2 |
| 引用为： | arXiv:2610.36874 [cs.CV] |
| （或 arXiv:2610.36874v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36874 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bingchao Wang [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 09:12:35 UTC（478 KB）
来源：arXiv cs.CL · arxiv.org