arXiv · AI· Junqing Du, Fernando Ropero, Erkin Turkoz, Yanfeng Zhang, Lu Liu·· 12 小时前AI 评分40
GraFT：基于3D场景图的多模态大语言模型免训练空间推理框架
GraFT: A Training-Free Framework for Spatial Reasoning in Multimodal Large Language Models via 3D Scene Graphs
AI 导读
提出免训练框架GraFT，利用3D场景图增强多模态大语言模型的空间推理能力。 在ScanQA基准上CIDEr指标较同基线提升27%，在VSI-Bench上使冻结模型性能最高提升65%，超越多个专有模型及微调空间模型。
来源：arXiv · AI · arxiv.org