返回全部题目← 上一题23 / 26下一题 →题库/Agent 原理与系统/Q-5996如何将语言定位、分割和跟踪组合成对象级视觉工具链？知识专题：GUI、Computer Use 与多模态 Agent题目类型：系统设计技术难度：进阶收录题集：2 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集2 份图像分割Rocky Ding · AIGC-Interview-Book · 3 条原题查看题集 →SEEM、SAM、Grounding DINO 如何组合成开放世界视觉工具链？图像分割如何服务生成、编辑、视频和数据工程？分割模型在自动标注、数据清洗和多模态 Agent 中有什么用？目标跟踪Rocky Ding · AIGC-Interview-Book · 5 条原题查看题集 →Grounding DINO + SAM 2 如何实现文本指令驱动的目标跟踪？目标跟踪在 AIGC 视频生成与视频编辑中有什么作用？AI Agent 如何调用目标跟踪模型完成视频理解任务？展开其余 2 条原题目标跟踪面试中常见的工程问题有哪些？AIGC/Agent 场景还要关注什么？相关题目4 题0182如何设计家庭安防 Agent，融合异步视频、声音和传感器，支持分级响应与自然语言规则？同一知识专题题目类型：方案设计技术难度：深入相关面经：1 篇0257基于坐标与基于元素的 GUI 动作空间各有什么问题？同一知识专题题目类型：比较选型技术难度：进阶相关面经：1 篇0258为什么 GUI Agent 离线动作准确率高，闭环任务成功率仍可能很低？同一知识专题题目类型：效果评估技术难度：进阶相关面经：1 篇0261GUI 图标语义无法区分时，为什么增加截图数据未必有效？同一知识专题题目类型：故障排查技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题Browser Agent 如何观察网页、定位元素并执行浏览器任务？下一题 →Computer Use 如何通过桌面观察、动作执行与反馈形成操作闭环？
