有没有可以利用 AI，精确识别截屏中特定内容坐标的 API？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 447 天前的主题，其中的信息可能已经有所发展或是发生改变。

我想输入一张截屏图片和一个用自然语言描述的目标，返回目标的精确坐标。

比如输入 {"https://ooo.0x0.ooo/2024/10/28/OD3TzB.png", "发布按钮"}

返回 (517,880)

2 条回复 • 2024-10-28 17:51:42 +08:00

nomagick

2024 年 10 月 28 日

skydcnmana

2024 年 10 月 28 日

按键精灵？