跳到正文
arXiv · 机器人与计算机视觉· Baiqiao Yin, Zhongang Cai, Ruisi Wang, Qiwei Liang, Lei Yang, Ziwei Liu·· 20 天前AI 评分42

Probing Spatial State Representations in Visual Foundation Models 研究视觉基础模型的空间表征能力

Probing Spatial State Representations in Visual Foundation Models

AI 导读

该研究通过冻结特征探针,在静态室内环境的流式自我中心观测下,评估了十种视觉基础模型在空间结构、物体持久性、预测更新及可操作性四个层面的表现。结果显示强场景读出并不保证准确的物体持久性或未来特征检索,且基于真实特征的读取器无法直接迁移至预测特征。这些发现表明需超越解码能力,进一步验证信息是否能在观测外维持、进行预测更新并用于目标导向行动。

来源:arXiv · 机器人与计算机视觉 · arxiv.org