ShowUI-desktop-8K|UI定位数据集|数据增强数据集

ShowUI-desktop-8K是一个专注于PC端UI定位的数据集，包含从OmniAct数据集获取的截图和注释。通过GPT-4o模型对原始注释进行了增强，添加了外观、空间关系和预期功能等多种属性。数据集包含训练集，共有7496个样本，总大小为16591347652.088字节。

原始信息汇总

ShowUI-desktop-8K 数据集概述

数据集信息

特征

• image_url: 字符串类型
• image: 图像类型
• instruction: 字符串类型
• bbox: 浮点数序列类型
• point: 浮点数序列类型
• type: 字符串类型

分割

• train: 包含7496个样本，数据大小为16591347652.088字节

数据大小

• 下载大小: 327573839字节
• 数据集大小: 16591347652.088字节

配置

• default: 数据文件路径为data/train-*

数据集来源

• 基于PC的UI定位数据集，截图和注释最初来源于OmniAct。
• 使用GPT-4o增强原始注释，丰富了外观、空间关系和预期功能等多样属性。

引用

@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}, }