实体
3DSRBench
3DSRBench
PulseAugur coverage of 3DSRBench — every cluster mentioning 3DSRBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新基准揭示视觉语言模型中的忠实度差距
研究人员推出了EDCT-Bench，一个旨在识别视觉语言模型（VLMs）忠实度问题的基准。该基准使用一种称为解释驱动的反事实测试（EDCT）的干预式协议，来测试VLMs的解释和答案在对视觉证据进行最小编辑后，与视觉证据的匹配程度。EDCT-Bench涵盖了视觉问答、驾驶场景和3D空间推理等领域，揭示了各种VLMs在模型忠实度方面存在的显著差距。研究还表明，EDCT生成的反事实可以作为改进模型一致性的有效训练信号。
-
OrientSAM框架增强多模态模型的空间推理能力
研究人员推出了OrientSAM，一个旨在提高多模态大语言模型（MLLMs）空间推理能力的新框架。该框架专门解决了MLLMs依赖以相机为中心的线索而非以物体为中心的视角的倾向，这是空间任务中常见的失败模式。OrientSAM通过专门的token和角度编码，并结合课程学习策略来增强视角感知推理，从而纳入了明确的方向信息。该方法在Spatial-MM、ViewSpatial和3DSRBench等基准测试中，尤其是在需要分配式空间理解的场景…
-
新框架通过世界模型和多智能体系统增强VLM的空间推理能力
研究人员开发了World2VLM，一个新颖的训练框架，将生成式世界模型中的空间推理能力提炼到视觉语言模型（VLMs）中。该方法合成未来视图以提供结构化监督，使VLMs能够比依赖合成数据或推理时世界模型耦合的方法更有效地内化空间想象。World2VLM在各种空间推理基准测试中表现出持续的改进，优于现有方法。