ViewSpatial
PulseAugur coverage of ViewSpatial — every cluster mentioning ViewSpatial across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架通过按需采集三维几何信息增强视觉语言模型空间推理能力
研究人员开发了Think-Capture，一个旨在提高视觉语言模型（VLMs）空间推理能力的新型框架。与密集处理所有帧的现有方法不同，Think-Capture仅为任务关键型对象选择性地采集三维几何信息。该方法使用一个三维工具包来生成对象几何，并使用符号三维状态抽象将状态压缩成文本。该系统使用分层组相对策略优化（GRPO）进行训练，以教会VLM何时依赖几何证据以及何时使用视觉线索，在MindCube-Tiny和MMSI-Bench等基…
-
TaichuAI发布ZDTaichu5.0-9B多模态基础模型
TaichuAI发布了ZDTaichu5.0-9B，这是一款专为视觉理解、空间推理和智能体任务设计的多模态基础模型。该模型集成了Qwen3.5-9B语言主干和C-RADIOv4-H视觉编码器，能够处理任意分辨率的文本、图像和视频。ZDTaichu5.0-9B在通用视觉理解方面表现出色，同时在空间推理和智能体能力方面也优于同类其他模型。
-
OrientSAM框架增强多模态模型的空间推理能力
研究人员推出了OrientSAM，一个旨在提高多模态大语言模型（MLLMs）空间推理能力的新框架。该框架专门解决了MLLMs依赖以相机为中心的线索而非以物体为中心的视角的倾向，这是空间任务中常见的失败模式。OrientSAM通过专门的token和角度编码，并结合课程学习策略来增强视角感知推理，从而纳入了明确的方向信息。该方法在Spatial-MM、ViewSpatial和3DSRBench等基准测试中，尤其是在需要分配式空间理解的场景…