跳到正文
arXiv · 机器人与计算机视觉· Shibin Zhao, Hao Tan, Fan Yang, Haixin Wang, Feilong Chen, Yidong Ma, Chaoyang Zhao, Ming Tang, Jinqiao Wang·· 12 小时前AI 评分45

SpatialMind:自适应多级别几何融合提升多模态大模型空间推理能力

SpatialMind: Adaptive Multi-Level Geometric Fusion for Spatial Reasoning in Multimodal Large Language Models

AI 导读

SpatialMind 提出 GeoFus 模块,通过门控网络动态调节浅层至深层几何特征以适配不同认知层级任务。该方法引入负熵正则化损失防止门控坍塌,在 VSI-Bench 基准测试中取得 72.3 的最优分数。源代码已公开提供。

来源:arXiv · 机器人与计算机视觉 · arxiv.org