ShowUI

ShowUI locates the target of an instruction as an image point.

任务: point detection
尺寸: 2b at 1344 px
安装: pip install "libreyolo[vlm]"
支持层级: 兄弟层级，自 v1.6.0 起。一个独立的产品面，有自己的工厂和契约。
上游: ShowUI，由 ShowUI authors 发布，采用 MIT 许可。论文、源码
许可: 代码采用 MIT，权重采用 MIT。商用

Install

bash

pip install "libreyolo[ground]"

Predict

Python

from libreyolo import LibreGround, SAMPLE_IMAGE model = LibreGround("showui-2b", device="cpu")result = model(SAMPLE_IMAGE, prompt="the person")print(result.points.xy)

Use prompt= or query= for one call, or set_query() for a persistent instruction. A list of instructions on one image returns at most one click per query. Multi-query calls on image lists or folders raise an error. Coordinates refer to the original image. Training, validation and export are not supported. See the grounding API.

Licensing

请检查你所下载的具体权重在 Hugging Face 仓库中的许可。LibreYOLO 组织里的每个检查点都附有许可，同一家族内也不一定相同。该仓库是权威来源；以下摘要说明本页上次验证时适用的情况。

这里只说明涉及的许可证，不构成法律意见。如果答案对商用很重要，请自行阅读许可证并咨询法律顾问。

原始工作: ShowUI, ShowUI authors
上游许可: MIT
上游来源: github.com/showlab/ShowUI
LibreYOLO 代码: MIT
权重: 采用 MIT 许可，由作者分发。LibreYOLO 不托管或镜像这些权重。
解读: The model publisher declares MIT.

Citation

@misc{lin2024showui,
      title={ShowUI: One Vision-Language-Action Model for GUI Visual Agent}, 
      author={Kevin Qinghong Lin and Linjie Li and Difei Gao and Zhengyuan Yang and Shiwei Wu and Zechen Bai and Weixian Lei and Lijuan Wang and Mike Zheng Shou},
      year={2024},
      eprint={2411.17465},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2411.17465}, 
}

复制自作者在 raw.githubusercontent.com/showlab/ShowUI/main/README.md 上提供的引用块。

Install

Predict

Licensing

Citation

ShowUI 架构