待验证50% 置信事实精确时间
Set-of-Mark（SoM）是微软研究院提出的视觉提示方法，通过在截图上叠加数字标签或彩色边框标注可交互元素，将视觉定位问题转化为选择问题
1
来源数
50%
置信度
长期有效
时效性
2026/8/10
首次发现
来源
相关事实
待验证Annotate App的视觉标注模式与计算机视觉领域的Set-of-Mark（SoM）提示技术有相似之处71% 相似待验证张正友标定法由微软研究院张正友博士于1999年提出，只需一块平面棋盘格在不同角度拍摄数张图片即可完成标定60% 相似待验证图像条件化方案通常借助CLIP视觉编码器（ViT架构）将参考图映射到与文本嵌入共享的语义空间，再通过交叉注意力（Cross-Attention）机制将视觉特征注入UNet的去噪过程58% 相似待验证工作流中的抠图节点依赖语义分割模型（如SAM、U²-Net等），能够自动识别图像中的主体对象并去除背景，输出带透明通道的PNG图像56% 相似待验证参考图嵌入技术栈使用CLIP图像编码器或ArcFace模型将角色参考图编码为高维特征向量，再通过适配层映射到扩散模型条件空间以交叉注意力或特征注入方式施加约束56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/725444API
curl https://kongchang.com/api/v1/knowledge/claims/725444MCP
get_claim(id=725444)