产品详情
SpatialVLM是一个由谷歌DeepMind开发的视觉语言模型,能够对空间关系进行理解和推理。它通过大规模合成数据的训练,获得了像人类一样直观地进行定量空间推理的能力。这不仅提高了其在空间VQA任务上的表现,还为链式空间推理和机器人控制等下游任务打开了新的可能。
主要功能
1
定性空间关系推理 2
定量距离和尺寸估计 3
支持链式多步空间推理 4
为机器人控制提供奖励 适用人群
空间VQA、链式空间推理、机器人控制
使用示例
✓
判断两个物体哪个离摄像头更近
✓
估计两个物体之间的水平距离
✓
判断桌子上是否形成等边三角形
快速访问
访问官网 →所属分类
📁 AI
› AI模型
› AI图像检测识别
相关推荐
发现更多类似的优质AI工具
商汤日日新
商汤日日新是一款大模型综合能力平台，提供对话生成、模型微调、知识库构建等功能。商汤日日新具备高质量、多规格、超实时、强扩展、高安全、速融合等特点，适用于办公、教育、文娱、汽车、金融、医疗等多个领域。其模型体系赋能产业升级，多模态能力组合引领产业实现全新突破。
AI 知识库
📁 AI
Deepmind Gemini
Gemini是谷歌DeepMind推出的新一代人工智能系统。它能够进行多模态推理,支持文本、图像、视频、音频和代码之间的无缝交互。Gemini在语言理解、推理、数学、编程等多个领域都超越了之前的状态,成为迄今为止最强大的AI系统之一。它有三个不同规模的版本,可满足从边缘计算到云计算的各种需求。Gemini可以广泛应用于创意设计、写作辅助、问题解答、代码生成等领域。
多模态 Gemini
📁 AI