跳到正文
arXiv · 机器人与计算机视觉· Zhaochen Wang, Yujun Cai, Huangbo Zou, Hower Yang, Naipeng Dong, Miao Xu, Haibin Ling·· 2026-10-06精选AI 评分83

Rotated, but How Far? Diagnosing and Improving Object-Rotation Reasoning in VLMs

Rotated, but How Far? Diagnosing and Improving Object-Rotation Reasoning in VLMs

AI 导读

该论文介绍 OR-Bench 基准,发现现有视觉语言模型(VLMs)虽能检测物体旋转但无法可靠估计旋转幅度,存在“规范角度坍塌”现象。作者提出 RotationCue 轻量解码器,从模型冻结表征中恢复粗粒度旋转信息并反馈给模型,在三个 VLM 上使 OR-Bench 宏平均准确率提升 7.9--12.6 个百分点且保持通用能力。

推荐理由

提出 OR-Bench 基准揭示 VLMs 在旋转角度估计上的能力缺陷,并通过 RotationCue 方法利用冻结表征中的粗粒度信息提升模型表现。

来源:arXiv · 机器人与计算机视觉 · arxiv.org