研究探测发现视觉基础模型难以维持物体持续空间状态

Baiqiao Yin 等在 arXiv 发布论文《Probing Spatial State Representations in Visual Foundation Models》，用 frozen-feature 探测评估十个视觉基础模型表征能否维持持续空间状态，结论是这些表征在物体持续性和可行动性上存在不足。 研究将空间能力分为四级——空间结构、物体持续性、预测性空间更新和可行动性——在静态室内环境的流式自我中心观测下测试。结果显示，可见场景读出强并不保证物体持续性或未来特征检索准确；目标依赖的候选选择也无法建立可靠的连续动作效用。论文称，物体持续性与可行动性建立在相机位姿读出之上，特征预测则建立在可见场景读出之上。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。