画面キャプチャをVLMに送る際、全フレームを送るとコストや遅延が増大します。重要な変化のみを抽出する判定が必要ですが、画素差分ではマウス操作等で誤検知が発生します。本記事では効率的なフレーム選択の課題と実装のポイントを考察します。