视觉基础模型空间状态表征的四层探测

1. 12:00
   arXiv cs.AI

   视觉基础模型是否具备空间状态表征？四层探测给出答案

   研究通过空间结构、物体持续性、预测性空间更新和可操作性四个层级，用冻结特征探针在十个表征上探测视觉基础模型的空间状态能力。结果显示，对可见场景的强读出并不能保证准确的物体持续性或未来特征检索；在真实特征上训练的空间读取器无法原样迁移到预测特征。物体持续性与可操作性依赖相机位姿读出，而特征预测依赖可见场景读出。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。