Yanbo Wang, Siqi Luo, Siyu Zhang, Chenming Zhu, Wenzhao Zheng, Qian Yu, Juncheng Yan, Bin Fu · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28622 · open-access PDF
Пространственный интеллект недавно был оценен с помощью генерирующих задач, таких как редактирование пространственно заземленных изображений, но языковое генерирование пространственно согласованных точек зрения из частичных многообразных наблюдений остается неисследованным. Мы вводим MindView, ориентир для генерирующего многообразного пространственного интеллекта с 1500 образцами из 513 сцен по трем внутренним наборам данных. Его семь задач образуют две семьи: геометрически доминирующие задачи указывают на изменения положения и ориентации камеры, в то время как семантически доминирующие задачи требуют вывода целевых точек зрения путем заземления ориентированных объектов и интерпретации.
Machine translation (Meta M2M100); the English original follows.
Spatial intelligence has recently been assessed through generative tasks such as spatially grounded image editing, yet language-guided generation of spatially consistent views from partial multi-view observations remains underexplored. We introduce MindView, a benchmark for generative multi-view spatial intelligence with 1,500 samples from 513 scenes across three indoor datasets. Its seven tasks form two families: geometry-dominant tasks specify changes in camera position and orientation, while semantics-dominant tasks require inferring target viewpoints by grounding referred objects and inter
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28622, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange