视觉基础模型空间表征研究：解读数与持久性

一项基于冻结特征探针的研究发布，聚焦视觉基础模型在静态室内环境下的空间状态表征。研究通过流式自我中心观察，对四项能力进行了量化分析，旨在厘清模型对不同空间信息的处理机制。 研究发现，模型对可见场景的强解读数，并不能确保物体持久性或未来特征检索的准确性。具体而言，物体持久性和可操作性取决于相机位姿的解读数，而特征预测则依赖于可见场景的解读数，二者存在显著差异。 该研究强调，评估视觉模型的空间表征能力时，不能仅局限于可解码的信息量，还须考察该信息在观察结束后是否能被保持，并有效用于目标导向行为，为相关评估体系提供了新视角。

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。