Reconstrucción como Evaluación Espacial: Diagnostizando la Inteligencia Espacial entre Múltiples Vistas en Modelos de Lenguaje-Visión Grandes

Resumen del corpus

Se presenta RECONSPATIAL, un punto de referencia para evaluar la inteligencia espacial de los modelos de lenguaje-visión (LVLM) mediante la reconstrucción 3D de escenas multi-vista. Se investiga la brecha entre la estructura relativa de la escena y la precisión métrica de la reconstrucción. Los resultados indican que la consistencia relacional no asegura la exactitud métrica, limitando el éxito de la navegación.