Pawat Chunhachatrachai

SpatioRoute 通过动态提示路由提升视觉语言模型空间推理能力

研究人员开发了 SpatioRoute，这是一种增强视觉语言模型（VLMs）零样本空间推理能力的新方法。该方法能够动态地将输入问题路由到定制的提示模板，而无需额外的训练或 3D 传感器数据。SpatioRoute 在 SQA3D 基准测试上展示了高达 5% 的一致准确率提升，为仅视频的空间视觉问答（VQA）树立了新的最先进水平。