提出TRACE提示方法,通过引导多模态大语言模型生成基于文本的自我中心视频所对应的外在空间表征(包括元上下文、相机轨迹和物体实体注册),以提升其在3D空间问答任务中的结构化推理能力,并在VSI-Bench和OST-Bench上验证了其对多种MLLM骨干模型的一致性改进。
机构:清华
来源:arXiv 2603.23404 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程