跳到正文
arXiv · 机器人与计算机视觉· Shoubin Yu, Yue Zhang, Zun Wang, Jaehong Yoon, Huaxiu Yao, Mingyu Ding, Mohit Bansal·· 4 小时前AI 评分72

何时及多少进行想象:基于世界模型的视觉空间推理自适应测试时扩展

When and How Much to Imagine: Adaptive Test-Time Scaling with World Models for Visual Spatial Reasoning

AI 导读

针对视觉空间推理中过度或无差别使用‘想象’能力导致计算浪费甚至性能下降的问题,本文提出 AVIC 框架,在调用世界模型前显式评估当前视觉证据的充分性。研究进一步引入 AVIC-R,利用 GRPO 算法从问答正确性与想象成本奖励中学习门控策略,无需人工标注。

来源:arXiv · 机器人与计算机视觉 · arxiv.org