arXiv发布HLR-LLM增强视听空间理解

发生了什么

据arXiv cs.CV论文，研究团队推出HLR-LLM模型，通过引入双耳空间音频分支增强视听基础模型。该模型利用包含最终阶段思维链监督的课程训练进行多步空间推理。实验表明，HLR-LLM在提升空间音视频场景理解能力的同时，未损害语义感知能力。