跳到正文
arXiv · ML· Ameen Izhac, Nobuko Yoshida, Ronald Clark·· 7 天前AI 评分28

SpaceMCP:基于模型上下文协议的视觉语言模型空间推理框架

SpaceMCP: Vision Language Model Spatial Reasoning via Model Context Protocol

AI 导读

提出 SpaceMCP 框架,利用前馈 3D 重建与开放词汇分割实时构建场景图,通过 MCP 风格的结构化函数调用增强 VLM 的空间推理能力。 无需训练即在 VSI-Bench、MMSI-Bench 和 VSTI-Bench 上取得 SOTA 结果,较基础 VLM 提升 15-22 分。 该范式为克服原生 VLM 空间推理进展缓慢提供了有前景的路径。

来源:arXiv · ML · arxiv.org