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
Trí tuệ không gian gần đây đã được đánh giá thông qua các nhiệm vụ tạo ra như chỉnh sửa hình ảnh có nền tảng không gian, tuy nhiên, việc tạo ra các dạng xem không gian phù hợp theo ngôn ngữ từ các quan sát đa dạng xem một phần vẫn chưa được khám phá. Chúng tôi giới thiệu MindView, một tiêu chuẩn cho trí tuệ không gian đa dạng tạo ra với 1.500 mẫu từ 513 cảnh trên ba bộ dữ liệu trong nhà. Bảy nhiệm vụ của nó tạo thành hai gia đình: các nhiệm vụ chiếm ưu thế về hình học xác định thay đổi vị trí và định hướng của máy ảnh, trong khi các nhiệm vụ chiếm ưu thế về ngữ nghĩa đòi hỏi phải đưa ra các điểm nhìn mục tiêu bằng cách đặt nền cho các đối tượng được tham khảo và liên kết.
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