run_mobileagentv3.py中operator推理的结果,坐标缺少转换

Abierto Apto para principiantes
#192 1 comentario 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
2/5
Tiempo estimado
1-3 horas
Aptitud para principiantes
70/100
Tipo de issue
Error
Claridad
Bien especificado
Estado de actividad
Estancado
Stack tecnológico
python
Área
mobile-dev

Línea de trabajo

Abre run_mobileagentv3.py y localiza la llamada a smart_resize que preprocesa las imágenes antes de la inferencia con vLLM, y luego encuentra dónde se analizan las salidas de coordenadas del modelo. Añade la transformación de escala inversa para convertir esas coordenadas desde el espacio de la imagen redimensionada de vuelta a las dimensiones originales de la imagen. Confirma la ejecutando el script y verificando que las coordenadas reportadas coinciden con la resolución original de la pantalla.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

RT,run_mobileagentv3.py中在vllm推理前,对图像进行了smart_resize的缩放,也就是vllm推理的结果中如有坐标,应该是基于resize之后的结果,并非原始图像结果

Lenguaje dominante
Python
Estrellas
9.3k
Forks
928
Merge medio
1 d 2 h
PR fusionados (30 d)
3

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de X-PLUG/MobileAgent

Todos los issues de X-PLUG/MobileAgent

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.