SpaRRTa

新的基准SpaRRTa评估视觉基础模型的空间智能

研究人员推出SpaRRTa，一个旨在评估视觉基础模型（VFMs）空间智能的新合成基准。虽然DINO和CLIP等模型擅长语义理解，但它们的空间推理能力却不一致，限制了它们在具身系统中的应用。SpaRRTa旨在通过测试VFM识别图像中物体相对位置的能力来解决这一问题，这是空间感知的一个基本方面。使用SpaRRTa进行的初步评估揭示了各种最先进的VFM在空间推理能力方面存在显著差异。