Perceptio: Perception Enhanced Vision Language Models via Spatial Token Generation

Yuchen Li, Amanmeet Garg, Shalini Chaudhuri, Rui Zhao, Garin Kessler
2026年3月
预印本 项目
Perceptio: Perception Enhanced Vision Language Models via Spatial Token Generation featured image

摘要

Perceptio 探索通过空间 token 生成增强视觉语言模型的感知能力，以支持复杂的二维与三维空间推理。

类型
预印本
出版物
arXiv preprint, 2026
VLM Spatial Reasoning 3D Perception