arXiv · cs.AI· Baiqiao Yin·· 15 小时前AI 评分42
探测视觉基础模型中的空间状态表征
Probing Spatial State Representations in Visual Foundation Models
来源与原文
arXiv · cs.AI
作者：Baiqiao Yin
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.40636v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究通过四层空间能力——空间结构、物体持久性、预测性空间更新与可操作性——对十个视觉基础模型表征进行冻结特征探测，观测流式第一人称室内场景。结果显示可见场景的强读出并不保证物体持久性或未来特征检索的准确，特征预测依赖可见场景读出，而物体持久性和可操作性依赖相机位姿读出。研究建议评价空间表征时，还应考察信息能否在观察之外保持、预测性更新并用于目标导向行动。
来源：arXiv · cs.AI · arxiv.org