当前位置：首页 » AI答疑

视觉元素定位是GLM-4.5V的核心能力

2025-08-19

497

GLM-4.5V具备精确的视觉元素定位（Grounding）能力，可在图像/视频中以[x1,y1,x2,y2]坐标格式返回目标物体位置。这项技术在安检、质检等工业场景中具有重要应用价值，例如可以定位监控画面中的异常物品或识别生产线上的缺陷产品。模型通过结合区域检测和语义理解，不仅能找到目标位置，还能关联上下文信息解释定位依据，输出结果可直接接入自动化系统执行后续操作。

本答案来源于文章《GLM-4.5V：能够理解图像和视频并生成代码的多模态对话模型》