跳到正文
arXiv · 机器人与计算机视觉· Wajeeha Tahir, Anna Tegon, Lionnus Kesting, Gamze \.Islamo\u{g}lu, Krist\'of Karacs, Luca Benini, Thorir Mar Ingolfsson·· 2026-10-19AI 评分72

看、推理、绘制区域:用于空间上下文预测的递归细化方法

Look, Reason, Draw a Region: Recursive Refinement for Spatial Context Prediction

AI 导读

论文介绍了一种名为 Spatial-TRM 的紧凑递归模型,旨在解决大型视觉语言模型(VLM)在处理自然图像中的空间关系与物理约束时的挑战。该模型通过共享权重实现了高准确率且仅包含 11.2M 可训练参数,支持六种空间关系、三种参考系及开放词汇锚点物体。

来源:arXiv · 机器人与计算机视觉 · arxiv.org