arXiv cs.AI· Yanbo Wang, Siqi Luo, Siyu Zhang, Chenming Zhu, Wenzhao Zheng, Qian Yu, Juncheng Yan, Bin Fu, Tai Wang, Yu Qiao, Yihao Liu, Jiwen Lu·· 11 小时前AI 评分32
MindView：生成式多视角空间智能基准发布
MindView: Benchmarking Generative Multi-View Spatial Intelligence
AI 导读
研究者推出 MindView 基准，用于评估生成式多视角空间智能，包含来自 513 个场景的 1,500 个样本和七项任务，分为几何主导与语义主导两类。对 11 个生成器的评测显示整体仍有较大提升空间，且在扩展上下文设置下所有模型总分均下降。
正文 · AI 翻译
作者：Yanbo Wang、Siqi Luo、Siyu Zhang、Chenming Zhu、Wenzhao Zheng、Qian Yu、Juncheng Yan、Bin Fu、Tai Wang、Yu Qiao、Yihao Liu、Jiwen Lu
摘要：空间智能近来通过空间定位图像编辑等生成任务进行评估，然而，从部分多视角观测出发、由语言引导生成空间一致的视角仍未被充分探索。我们提出 MindView，这是一个用于生成式多视角空间智能的基准，包含来自三个室内数据集、513 个场景的 1,500 个样本。其七项任务分为两大类：几何主导型任务指定相机位置和朝向的变化，而语义主导型任务则要求通过定位被指代物体并解读空间关系和参考系线索来推断目标视角。对十一个生成器的评估表明，MindView 仍有很大的提升空间。配对上下文分析进一步显示，在扩展上下文设置下，全部十一个生成器的总体得分均更低。这些发现促使我们研究任务特定监督能否改进目标视角生成，以及模型能否有效利用额外的多视角证据。因此，我们在 MindView 训练数据集上微调 BAGEL，使其总体得分提升 24.3 分，并在全部七项 MindView 任务上均取得增益。除这些生成方面的提升外，微调后的模型在三个空间理解基准上也取得更高得分，且未在这些基准的标注上训练，这表明学习生成空间定位视角可能有益于空间理解。为改善扩展上下文下的证据利用，我们提出 MindCue，这是一种无需训练、由目标视角假设引导的空间证据选择器。MindCue 扭转了扩展上下文下总体得分的下降，并优于标准上下文基线。总体而言，MindView 为生成式多视角空间智能提供了一个具体的测试平台。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.28622 [cs.CV] |
| （或本版本的 arXiv:2610.28622v1 [cs.CV]） | |
| https://doi.org/10.48550/arXiv.2610.28622 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yanbo Wang [查看邮箱]
[v1]
2026 年 10 月 20 日星期二 17:58:25 UTC（10,925 KB）
来源：arXiv cs.AI · arxiv.org