Spatial-MLLM，基于纯 2D 观测进行基于视觉的空间推理的新颖框架，支持基于视频输入理解和推理场景。

项目地址：https://diankun-wu.github.io/Spatial-MLLM/

Github地址：https://github.com/diankun-wu/Spatial-MLLM

论文地址：https://arxiv.org/abs/2505.23747



微信扫描下方的二维码阅读本文

Spatial-MLLM，基于纯 2D 观测进行基于视觉的空间推理的新颖框架，支持基于视频输入理解和推理场景插图

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。