Nghiên cứu mới với @Tsinghua_Uni: Spatial-TTT. Một khung cho trí thông minh không gian dựa trên hình ảnh theo dòng với đào tạo tại thời điểm kiểm tra (TTT). Spatial-TTT điều chỉnh trọng số nhanh để nắm bắt và tổ chức bằng chứng không gian từ các dòng video dài, cho phép các mô hình xây dựng bộ nhớ không gian 3D có cấu trúc theo thời gian. Điểm nổi bật: 🔹Bộ nhớ dòng hiệu quả. Trọng số nhanh hoạt động như bộ nhớ không gian gọn nhẹ với sự phát triển bộ nhớ dưới tuyến tính qua hơn 7000 khung hình và giảm hơn 40% tính toán. 🔹Cơ chế dự đoán không gian. Các lớp TTT với tích chập không gian-thời gian 3D nắm bắt sự tương ứng hình học và tính liên tục theo thời gian. 🔹Kết quả SOTA trong việc hiểu không gian video dài hạn (VSI-Bench). Bài báo xếp hạng #1 trên @huggingface Daily Papers vào ngày 13 tháng 3. Trang dự án: GitHub: Bài báo: Mô hình & Dữ liệu: