Omniparser V2

Omniparserは、LLMSが解釈できるスクリーンショットのピクセルスペースからUIスクリーンショットを「トークン化」します。これにより、LLMSは、解析された相互作用可能な要素のセットを考慮して、次のアクション予測に基づいて検索することができます。