SpaceDG

新的基准测试评估视觉语言模型的空间推理、鲁棒性和一致性

研究人员开发了新的基准测试来评估视觉语言模型（VLMs）的空间推理能力。ArchSIBench 专注于建筑空间理解，而 Flat-Pack Bench 评估家具组装等任务中的时空推理能力。SpaceDG 通过在视觉退化条件下评估模型来解决鲁棒性问题，发现当前的 VLMs 在应对这些挑战时存在困难。此外，一个名为 SAGE 的框架旨在通过强制执行几何逻辑一致性来改进空间推理。