SpatialASM训练视觉语言模型从新视角进行空间推理
SpatialASM是一种训练框架，旨在帮助大型视觉语言模型从与任务相关的视角在脑中重构空间场景。该方法使用明确的视角规划轨迹和自动生成的视角转换任务作为监督信号。在七项空间推理基准测试中，SpatialASM提升了四种模型骨干的平均准确率，同时保留其原有的通用视觉能力。研究还提出了一种可扩展的方法，以缓解空间思维链训练数据不足的问题。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。