跳到正文

SpatialVLM

对图像中的空间关系进行推理

访问官网

SpatialVLM 是什么

SpatialVLM 被介绍为一个通过大规模合成数据训练、获得空间推理能力的视觉语言模型。

你可以用它做什么

  • 进行定性空间关系推理
  • 定量估计距离和尺寸
  • 进行链式多步空间推理

应用场景

  • 判断两个物体哪个离摄像头更近
  • 估计两个物体之间的水平距离
  • 判断桌子上是否形成等边三角形

优点与缺点

✓ 我们认可的地方

  • 支持链式多步空间推理
  • 可为机器人控制提供奖励

! 需要留意的地方

  • 基于大规模合成数据训练
  • 推理围绕图像中的空间关系

常见问题

由谁开发?

资料说明由谷歌 DeepMind 开发。

能估计什么?

资料列出定量估计距离和尺寸。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法