ScreenAI

[EN] Google推出ScreenAI：端到端视觉语言模型，统一理解UI界面与信息图表

Google Research发布ScreenAI，一种基于PaLI架构并融合pix2struct灵活分块策略的5B参数视觉语言模型，专为理解用户界面与信息图表设计。通过自监督预训练和屏幕标注任务，ScreenAI在WebSRC、MoTIF、ChartQA等多项基准测试中达到或超越同规模模型的最优性能，同时发布了三个新数据集。