arXiv Computer Vision· Tianchen Guo, Tengyue Zhang, Chen Liu, Ling Chen, Xin Yu·· 8 小时前AI 评分31
SATE-Bench：MLLM 能否通过主动外部视角探索构建以人为中心的空间理解
Humans in Space: Can MLLMs Construct Human-Centric Spatial Understanding via Active Exocentric Exploration?
AI 导读
研究团队提出 SATE-Bench，包含 316 个真实场景和 2,525 条多轮 QA 对，用于评估 MLLM 的视觉自我意识与主动外部视角探索能力。基准设有被动多视角对照与主动探索两种设置，模型需从严重遮挡视角出发迭代查询相邻视角，并按步数惩罚的效率奖励计分。评测显示现有 SOTA MLLM 会过早终止探索却报告高置信度，用 GRPO 微调奖励视角寻求虽增加探索但降低整体准确率。
来源：arXiv Computer Vision · arxiv.org