跳到正文
返回科技动态
热点事件历史事件

中大梁晓丹团队发布GeoThinker系列研究,提升VLM空间推理效率

1 篇报道1 个报道来源4 天前更新

先了解这件事

AI 综述

中山大学梁晓丹团队联合多家机构持续推进视觉语言模型(VLM)的空间推理效率优化。最新发布的GeoThinker-F研究旨在解决传统方法依赖外部三维几何编码器(如VGGT)导致的延迟问题。该团队通过两阶段训练策略,使模型内部能够自主生成几何和时间特征,从而在推理阶段摆脱对外部编码器的依赖。实验数据显示,这一改进将空间推理耗时从1.45秒大幅缩短至0.40秒,速度提升约3.6倍,同时保持了原有的性能表现。此外,该技术在机器人操作和自动驾驶仿真环境中进行了验证,展示了其在低延迟场景下的应用潜力。目前,该系列研究已显著提升了VLM在实时空间理解任务中的效率。

AI 根据报道生成 · 3 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月13日
  1. 雷峰网
    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。

本事件热度走势

当前热度 3·可比范围峰值 9(11月13日 19:00)·近 24 小时可比范围变化 -51%

02.557.51011月13日19:0011月14日10:0011月15日00:0011月15日15:00

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。

浙ICP备2026082753号-2