Tag · 2 篇
空间记忆
分布 生成模型与扩散1视觉语言模型1
01 02
Spatia：具有可更新空间记忆的视频生成
Spatia: Video Generation with Updatable Spatial Memory
将3D点云作为持久空间记忆，通过视觉SLAM迭代更新，为视频生成提供几何约束，可复用于长视频生成中的空间一致性保持与相机控制。
解析、搜索与确认：基于思维链推理与结构化空间记忆的免训练航拍视觉对话导航
Parse, Search, and Confirmation: Training-Free Aerial Vision-and-Dialog Navigation with Chain-of-Thought Reasoning and Structured Spatial Memory
把免训练 MLLM 的导航能力拆成「解析指令—搜索探索—确认验证」三段思维链，并配一个融合多尺度观测、视觉记忆与几何记忆的结构化空间记忆，可直接迁移到任何需要长时程空间推理的视觉语言任务（如视觉定位、具身导航）。