图标检索

Widget2Code：通过多模态大语言模型从视觉控件到 UI 代码

Widget2Code: From Visual Widgets to UI Code via Multimodal LLMs

把「从图像生成结构化代码」当作多模态大模型的细粒度视觉理解任务：用图标检索与 UI 组合模块把原子组件拼成完整布局，可作为视觉到结构化序列生成（而非自由文本）的可复用范式，并提供图像级 UI 重建的细粒度评测协议。