用视觉和 AI 把 Vimium 功能弄到全屏幕任意按钮 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
这是一个专门讨论 idea 的地方。

每个人的时间,资源是有限的,有的时候你或许能够想到很多 idea,但是由于现实的限制,却并不是所有的 idea 都能够成为现实。

那这个时候,不妨可以把那些 idea 分享出来,启发别人。
garywill
V2EX    奇思妙想

用视觉和 AI 把 Vimium 功能弄到全屏幕任意按钮

  •  2
     
  •   garywill 2023-05-22 08:38:09 +08:00 2744 次点击
    这是一个创建于 875 天前的主题,其中的信息可能已经有所发展或是发生改变。

    不管你用过 vim 没,vimium 应该体验过

    搞的一个实验性玩意,目前只需要 300 行 python 代码,能粗浅地识别屏幕上任意位置的“物件”,并用键盘去点击它们

    demo.gif

    现在就只是简单地用了 opencv 的 MSER 算法

    使用视觉的优势有:

    1. 跨平台
    2. 无论 GUI 库
    3. 无论 Accesebility API 是否可用

    也已经有其他的能够在 Mac/Windows 上通过某些 API 找到按钮的项目(在 readme 里列出了)

    虽然这种类型的软件里,好像只有浏览器上的 Vimium 成功了。其他的者还算在实验状态

    若能把 AI 、API 、视觉三者结合,可能会比较好用。目前的演示看起来界面有点杂乱,想像改进后应该会好吧

    各位有什么 idea 来 share 一下

    20 条回复    2023-05-23 12:11:04 +08:00
    garywill
        1
    garywill  
    OP
       2023-05-22 08:38:34 +08:00   1
    SWALLOWW
        2
    SWALLOWW  
       2023-05-22 09:44:59 +08:00
    挺好的
    expkzb
        3
    expkzb  
       2023-05-22 10:06:46 +08:00   1
    会不会在辅助残疾人的功能里已经有类似的实现了
    7gugu
        4
    7gugu  
       2023-05-22 10:41:25 +08:00
    图有点小,看不清楚具体的作用
    garywill
        5
    garywill  
    OP
       2023-05-22 10:52:20 +08:00
    @7gugu 把图点开呀
    garywill
        6
    garywill  
    OP
       2023-05-22 10:52:57 +08:00
    @expkzb 有吗?残疾辅助不是干朗读文字之类的事吗?
    7gugu
        7
    7gugu  
       2023-05-22 10:55:24 +08:00
    @garywill 点开很糊,你那边能看清?
    7gugu
        8
    7gugu  
       2023-05-22 10:56:12 +08:00
    @garywill 噢,我的问题,插件默认只是放大了,没发现可以跳到图床上
    zhangdszq
        9
    zhangdszq  
       2023-05-22 11:46:11 +08:00
    这个已经有了哈 t/648227#reply23
    PRStarDust
        10
    PRStarDust  
       2023-05-22 12:44:47 +08:00
    之前用过一些全桌面的,要么速度不够快,要么就是准确度不够,经常有些按钮识别不出来或者错位
    PRStarDust
        11
    PRStarDust  
       2023-05-22 12:44:59 +08:00
    先 star 一波
    zagfai
        12
    zagfai  
       2023-05-22 14:41:09 +08:00
    我也有过这个想法,哈哈哈
    iX8NEGGn
        13
    iX8NEGGn  
       2023-05-22 16:43:48 +08:00 via iPhone
    哈哈,我也有过这想法,但界面一复杂后,一是识别正确率问题,二是就算识别正确也眼花潦乱,后来还是采用了 “眼动仪+ autohotkey + AI 修正” 来抛弃鼠标
    anjiannian
        14
    anjiannian  
       2023-05-22 16:52:42 +08:00 via Android
    这个之前 vimperator 和 tridactyl 都有实现,他们用的是字母或者拼音的检索,不用二次确认选中的元素是 DE 还是 DF ,比如需要选择 vimium ,可以<leader>+f 之后直接敲 vim ,多个可以继续敲 ium 筛选
    remenberl
        15
    remenberl  
       2023-05-22 18:56:00 +08:00 via Android
    mac 上有 vimac 和 homerow.app 两者是一个作者
    garywill
        16
    garywill  
    OP
       2023-05-22 19:32:24 +08:00
    @iX8NEGGn 哇你用了眼动仪?! 最终产品使用体验如何,快让我们看一看
    20015jjw
        17
    20015jjw  
       2023-05-22 19:40:16 +08:00 via iPhone
    nice
    hackpro
        18
    hackpro  
       2023-05-23 01:30:24 +08:00 via iPhone
    @garywill #1 这个是 chrome extension 吗
    是 python runas backgroud service 还是怎么用啊
    garywill
        19
    garywill  
    OP
       2023-05-23 10:01:05 +08:00
    @hackpro 不是 extension ,就是直接在 windows/Linux 桌面上运行那个 python 文件
    hackpro
        20
    hackpro  
       2023-05-23 12:11:04 +08:00
    @garywill 明白 谢谢
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     3478 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 24ms UTC 04:42 PVG 12:42 LAX 21:42 JFK 00:42
    Do have faith in what you're doing.
    ubao snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86