基于大语言模型的智能体定位图像元素的方法及装置

本发明公开了基于大语言模型的智能体定位图像元素的方法及装置。该方法包括：获取用户基于预设模板图像输入的元素标记指令，并基于元素标记指令确定预设模板图像对应的目标图像元素；基于预设语义大模型对目标图像元素进行图像语义分析，生成目标图像元素对应的基础语义结果；基于预设语法模板集合填充处理基础语义结果，生成目标图像元素对应的基础语言描述结果；基于预设语义大模型及基础语言描述结果在目标显示图像中确定目标图像元素对应的目标语言描述结果。通过本发明的技术方案，能够实现对捕获的图像元素进行图像语义分析，实现图像元素定位，提高了图像元素的定位效率及准确率。