但这几年，开始有了希望的苗头。
2. 🔍 **创新方法**:通过场景参数化，将场景分解为遮挡、人物和背景三个部分，并利用神经辐射场分别建模人物和遮挡/背景，以实现对被遮挡人物的准确渲染。
2、LLaVA、CogAgent和BakLLaVA是三种具有极大潜力的开源视觉语言模型。
CogAgent还提供了可视化代理的能力，能够返回任何给定任务的计划、下一步行动和带有坐标的具体操作。它还增强了与图形用户界面相关的问题解答功能，可以处理与网页、PC应用程序、移动应用程序等任何图形用户界面截图相关的问题。另外，通过改进预培训和微调，CogAgent还增强了OCR相关任务的能力。这些功能的提升使得CogAgent在多个基准测试上实现了最先进的通用性能。
新鲜AI产品点击了解：https://top.aibase.com/