几何选择模块

在 4D 中学习推理：面向视觉语言模型的动态空间理解

Learning to Reason in 4D: Dynamic Spatial Understanding for Vision Language Models

把相机位姿、局部点云、物体掩码与 3D 轨迹等 4D 重建先验压缩成少量 geometry tokens 注入 VLM，为在视觉语言模型中引入几何先验提供了一条轻量、可复用的接口思路。