3D 视觉

Can LLMs See Without Pixels? Benchmarking Spatial Intelligence from Textual Descriptions

大语言模型能否通过像素感知空间智能？基于文本描述的空间智能基准测试

Zhongbin Guo, Zhen Yang, Yushan Li, Xinyue Zhang, Wenyu Gao, Jiacheng Wang, Chengzhi Li, Xiangrui Liu, Ping Jian

机构 * School of Computer Science & Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） 纠错

专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV

AI总结 SiT-Bench通过文本描述评估大语言模型的空间智能，揭示其在全局一致性方面的不足，并表明显式空间推理可提升性能。

I-Scene: 3D Instance Models are Implicit Generalizable Spatial Learners

I-Scene: 3D实例模型是隐式可泛化的空间学习者

Lu Ling, Yunhao Ge, Yichen Sheng, Aniket Bera

机构 * Purdue University（普渡大学） ； NVIDIA Research（英伟达研究） 纠错

专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV

AI总结 I-Scene提出了一种基于3D实例模型的隐式空间学习方法，通过重新编程生成器实现跨场景的泛化能力，展示了其在空间推理和生成中的潜力。