SpatialBlock

新的合成数据集提升 LVLM 空间推理能力

研究人员开发了 SpatialBlock-15k，这是一个旨在提高大型视觉语言模型 (LVLM) 空间智能的合成数据集。该数据集包含 15,000 个块堆叠问题，模拟了 3D 到 2D 的投影、视角转换和结构组合，并加入了颜色调制以增强推理能力。实验表明，在 SpatialBlock-15k 上训练的 LVLM 在现实世界的空间任务上表现出更好的性能和泛化能力，即使数据具有合成性质。