arXiv cs.CV· Xinglin Li, TingTing Long, Jingzhi Zhou, Jiajing Chen, Jian Yang, Jin Xie·· 4 小时前AI 评分42
GeoLift：将视频空间推理锚定在显式 3D 地图上
GeoLift: Grounding Video Spatial Reasoning in Explicit 3D Maps
AI 导读
GeoLift 是一个免训练框架，用前馈 3D 重建把单帧检测到的物体映射到共享的度量 3D 场景，显式计算空间关系与多步路线。在全部模型权重冻结的情况下，它把 Qwen3-VL-4B 在 VSI-Bench 的平均分从 55.4% 提升到 64.1%，路线规划准确率从 30.9% 升至 53.6%，并在 MindCube 上达到 59.8%。
来源：arXiv cs.CV · arxiv.org