arXiv · 机器人与计算机视觉· Can Polat, Mustafa Kurban, Erchin Serpedin, Hasan Kurban·· 2 天前AI 评分68
分离视觉语言模型中的感知与推理:晶体结构的无模型渲染上限
Separating perception from reasoning in vision-language models: a model-free render ceiling for crystal structures
AI 导读
针对视觉语言模型(VLM)无法从图像恢复三维几何的问题,本文提出一种可检查的 3D 几何中间层方法,建立无模型渲染基准以区分模糊视角、信息丢失或推理缺陷。
来源:arXiv · 机器人与计算机视觉 · arxiv.org