跳到正文
arXiv · 机器人与计算机视觉· Qixiang Chen, Cheng Zhang, Fucai Ke, Chi-Wing Fu, Jianfei Cai, Jingwen Ye·· 2026-10-09AI 评分73

Seek-and-View:一种用于多视图空间理解的无需微调推理方法

Seek-and-View Reasoning for Multi-View Spatial Understanding

AI 导读

针对现有多视图空间推理依赖稀疏输入和语言对齐脆弱的问题,本文提出 Seek-and-View 推理框架及 Vantage 模型。该方法通过定位问题相关视角寻找隐式跨视图证据,并合成视觉信息以增强几何理解。实验在六个预训练视觉语言模型上验证了无需微调即可提升多基准表现的效果。代码与项目页面已公开。

来源:arXiv · 机器人与计算机视觉 · arxiv.org