GeoLift

GeoLift框架通过3D地图增强LLM空间推理能力

研究人员开发了GeoLift，一个旨在增强多模态大语言模型（MLLM）空间推理能力的新框架。这种无需训练的方法利用前馈3D重建，将视频帧中检测到的对象映射到共享的3D场景中。通过使用超点（superpoints）在不同视图之间关联对象，并实现空间关系的显式计算，GeoLift显著提高了MLLM在复杂空间任务上的性能。例如，它将Qwen3-VL-4B在VSI-Bench上的准确率从55.4%提升到64.1%，尤其是在路线规划任务上。