Skip to content
简体中文

切换主题

arXiv 2610.26659 · cs.CV · 2026-10-19

SpatialScout: Can VLM Agents Actively Explore and Map 3D Scenes?

Zhaoxi Zhang, Hao Liang, Linxuan Wu, Yiming Xu, Yifu Yuan, Kun Liang, Chenming Tang, Meiyi Qiang 等 10 人

Peking University

在最新榜 #61 本站收录于 2026-10-23

一句话要点

北大发布 SpatialScout 基准:80 个室内场景、3140 个目标物体,要求视觉语言模型智能体自主控制相机探索并估计物体中心坐标,考察选视角、跨视角关联、几何估计与地图修正能力。

Peking University’s SpatialScout benchmark (80 indoor scenes, 3,140 objects) asks VLM agents to steer a camera, explore and estimate object centres in a shared frame, testing viewpoint selection, cross-view association, geometry and map revision.

170HF 点赞
10GitHub stars
0引用(Semantic Scholar)
63.5热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库 项目页

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-26。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)