深层监督

超越 3D VQA：向视觉语言模型注入 3D 空间先验以增强几何推理

Beyond 3D VQAs: Injecting 3D Spatial Priors into Vision-Language Models for Enhanced Geometric Reasoning

把点对应与深度一致性作为深层监督信号注入 LLM 的 Transformer 各层，为提升 VLM 三维空间推理提供了一条不依赖 3D VQA 数据、可复用的训练路径；其逐层对应匹配诊断也可直接用于分析其他 VLM 的内部几何表征。