雷峰网·· 3 天前
中大梁晓丹团队发布 GeoThinker-F:视觉语言模型空间推理提速约 3.6 倍
中大梁小丹团队,GeoThinker 两项研究成果,破除空间推理「几何信息用不好、计算开销大」难题
AI 导读
中山大学梁晓丹团队联合多家机构推出 GeoThinker-F,让视觉语言模型在推理阶段不再依赖外部三维几何编码器 VGGT,空间推理耗时从 1.45 秒缩短至 0.40 秒,速度提升约 3.6 倍且表现基本保持不变。该研究通过两阶段训练,使模型内部学会生成几何和时间特征,并在机器人操作和自动驾驶仿真环境中验证了其低延迟优势与应用潜力。
来源:雷峰网 · leiphone.com