arXiv cs.AI· Uttamasha Monjoree, Wei Yan·· 9 小时前AI 评分24
微调 VLM 提升 AI 空间智能：理解 3D 与 2D 旋转
Fine-Tuning VLM for Enhancing AI's Spatial Intelligence: Understanding 3D and 2D Rotations
AI 导读
研究通过微调 Google DeepMind 的 Gemma-4 MoE 模型提升视觉语言模型的空间推理能力，在 2D 和 3D 旋转检测上均取得明显改进。微调后的 Gemma-4 MoE 模型在预测由轴和角度定义的旋转时显著优于微调后的 Gemma-4 通用模型，且无需显式坐标系即可改善 2D 表示的角度估计。研究还发现，可识别物体并未提升角度检测准确率，具有显著线性特征的物体反而表现更好。
来源：arXiv cs.AI · arxiv.org