发布 Spatial-TRM 递归精化空间上下文预测论文
热点事件持续更新
发布 Spatial-TRM 递归精化空间上下文预测论文
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Wajeeha Tahir 等人发布了论文《Look, Reason, Draw a Region: Recursive Refinement for Spatial Context Prediction》，提出了名为 Spatial-TRM 的紧凑递归模型。该模型冻结视觉-语言特征，采用凸区域解码器，可训练参数仅为 11.2M，支持 6 种空间关系与 3 种参考帧。 在 RoboSpatial-Home 基准测试中，Spatial-TRM 的上下文准确率为 29.51%，较同参数量单步模型提升 9.02 个百分点。模型总参数为 877.8M，比 RoboPoint 报告的 13B 规模少约 15 倍。
AI 根据报道生成 · 5 小时前更新
最新进展10月19日 12:00
Spatial-TRM：基于递归精炼的空间上下文预测模型报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · MLSpatial-TRM：基于递归精炼的空间上下文预测模型
Spatial-TRM 是一种紧凑递归模型，仅含 11.2M 可训练参数，冻结视觉-语言特征，支持 6 种空间关系与 3 种参考帧。在 RoboSpatial-Home 基准上，其上下文准确率达 29.51%，较同参数量单步模型提升 9.02 个百分点。模型总参数 877.8M，比 RoboPoint 报告的 13B 规模少约 15 倍。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:0018:0019:00
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。