Tag · 1 篇
CLiViS: Unleashing Cognitive Map through Linguistic-Visual Synergy for Embodied Visual Reasoning
提出免训练的 LLM 规划 + VLM 开放世界感知协同框架，并用动态认知地图作为结构化场景表示，可复用于长时第一人称视频的逐步组合推理与长程视觉依赖建模。