跳到正文
arXiv · 机器人与计算机视觉· Kyeong-Rae Kim, Sungnyun Kim, Tae-Hyun Oh·· 2026-10-09AI 评分42

FloorSAV:利用二维地平面图解析空间视听语境以增强 AV-LLMs 的空间推理能力

FloorSAV: Elucidating Spatial Audio-Visual Context with 2D Floormap for AV-LLMs

AI 导读

FloorSAV 框架通过渲染动态二维地平面图,将点云、相机轨迹及语义地标注入视听大语言模型(AV-LLM),实现视觉、听觉与几何线索的单次联合推理。该方法在 SAVED-Bench 和 SAVVY-Bench 基准测试中显著提升了空间推理性能,验证了引入准确空间信息对具身智能的价值。项目页面已公开,相关代码与数据许可状态待定。

来源:arXiv · 机器人与计算机视觉 · arxiv.org