发帖
雷达卡
OmniSpatial 是由清华大学联合上海期智研究院、上海人工智能实验室等机构于 2025 年发布的一个全景空间推理基准数据集，相关论文成果为「OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models」，旨在填补视觉 – 语言模型空间理解评测的空白。
该数据集包含约 1,533 个图像 – 问答样本，涵盖动态推理（Dynamic Reasoning）、复杂空间逻辑（Complex Spatial Logic）、空间交互（Spatial Interaction）和视角转换（Perspective Taking）四大类空间推理任务，共计 50 个子任务。数据来源多样，涵盖互联网图像、心理学测试与驾驶考试题，标注经多轮审核，保证质量与多样性。与传统基准相比，OmniSpatial 避免了模板化构造，更贴近真实复杂场景，不仅测试基础空间关系（如前后、左右、远近），还强调多物体交互、场景变化和跨视角推理。
该数据集适用于训练与评测多模态大模型的空间推理能力，特别是在智能导航、增强/虚拟现实以及复杂场景理解等应用中，是一个全面而具有挑战性的标准化基准数据集。
京公网安备 11010802022788号
