arXiv发布SpaTime实现流式时空推理

发生了什么

据arXiv论文，SpaTime是一种融合因果几何标记的流式视觉语言模型，用于时空推理。该模型每帧将因果几何令牌融入语言模型，仅使用已观察到的帧进行推理。在StreamVSTI-Bench评估中，SpaTime整体准确率达到49.2%，相比最强流式基线将平均响应时间误差减少66%。