SpatialASM提升大视觉语言模型空间推理

发生了什么

据Hugging Face Papers发布的研究，SpatialASM框架旨在通过主动空间心理化（ASM）提升大视觉语言模型（LVLMs）的空间推理能力。该框架利用以自我为中心的视角生成器作为训练支架，合成规划-想象-推理轨迹及视角转换任务。模型通过此训练学习在推理时主动寻求空间证据并进行内部重构，无需在推理阶段额外增加视图或渲染器。研究显示，该方法在四个LVLM主干模型和七个空间基准测试中提升了空间推理性能，同时保持了通用视觉能力。