基准结果

空间语言:QA-本地重建利用局部和全球背景进行空间推理

SpatialSpeak是一个4B-参数视觉语言框架,旨在跨多个视图进行空间 chain-of-thought 推理.它首先通过QA原生重建来学习本地几何和全球场景上下文,将场景表示与问题答案监督联系起来.然后该模型逐步…