Tag · 1 篇
SpatialStack: Layered Geometry-Language Fusion for 3D VLM Spatial Reasoning
把多视图几何编码器的多层特征逐级同步注入语言主干，替代只在深层做视觉-几何晚期融合的做法；做3D VLM或需要精细空间关系理解的工作可直接复用这一分层融合范式。