浙江大学 发布 ViewSpatial-Bench 数据集, 应用在 视觉语言模型、空间定位识别 领域

浙江大学 本次发布的数据集 ViewSpatial-Bench, ViewSpatial-Bench是一个针对多视角空间定位识别的综合基准，包含超过5700个精心挑选的样本和五种任务类型，用于评估视觉语言模型（VLMs）在3D环境中的空间定位能力。数据集包括从相机和人两个视角出发的任务，涵盖了物体相对方向识别、物体视角方向识别、场景模拟相对方向识别等。数据集来源于ScanNet和MS-CoCo的验证集，通过自动化的3D标注流程生成精确的方向标签，为VLMs的训练提供了丰富的空间关系数据。该数据集旨在解决当前VLMs在跨视角空间理解任务中的局限性，通过建模3D空间关系来增强VLMs的空间理解能力。

查看ViewSpatial-Bench

关于 浙江大学 , 浙江大学是中国一所历史悠久、学科全面、科研实力雄厚的顶尖综合性大学。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。