論文の概要: Learning and Reasoning with Geometry: How Generation Helps Spatial Understanding

• arxiv url: http://arxiv.org/abs/2610.36022v1
• Date: Mon, 26 Oct 2026 17:47:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.188969
• Title: Learning and Reasoning with Geometry: How Generation Helps Spatial Understanding
• Title（参考訳）: 幾何学による学習と推論 : 生成が空間的理解にどのように役立つか
• Abstract要約: 深度と多視点生成と空間的理解を統合した統合幾何理解・生成モデル(GeoUG)を導入する。 GeoUG は CV-Bench-3D, 3DCueBench, DA-2K で 97.9%, 90.8%, 94.2% の円周精度を実現している。
• 参考スコア（独自算出の注目度）: 56.68593681107627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image and video generators can produce spatially consistent visual content, but how to use this capability to improve spatial understanding remains underexplored. We study this problem from two perspectives: geometric supervision during training and explicit geometric evidence during inference. To this end, we introduce a unified geometric understanding and generation model (GeoUG) that integrates depth and multi-view generation with spatial understanding. First, we design a multi-scale depth codec that enables metric-depth generation using a pretrained visual autoencoder, and show that joint training yields task-dependent gains in spatial understanding. Second, we introduce 3DCueBench to control geometric difficulty while balancing selected 2D cues, and find that generated depth provides larger reasoning gains on questions requiring fine-grained geometric discrimination. Building on this finding, we develop adaptive interleaved reasoning, in which GeoUG first drafts an answer and then decides whether to generate geometric evidence to confirm or revise it. We train this decision through reinforcement learning, balancing accuracy gains over retaining the draft against generation cost. GeoUG achieves circular accuracies of 97.9%, 90.8%, and 94.2% on CV-Bench-3D, 3DCueBench, and DA-2K with fewer generation calls than always generating.
• Abstract（参考訳）: 画像やビデオのジェネレータは空間的に一貫した視覚コンテンツを生成できるが、空間的理解を改善するためにこの能力をどう使うかはまだ未熟である。 我々は,この問題を,トレーニング中の幾何学的監督と推論中の明示的な幾何学的証拠という2つの視点から研究する。 この目的のために、深度と多視点生成と空間的理解を統合した統合幾何的理解・生成モデル(GeoUG)を導入する。 まず,事前訓練された視覚オートエンコーダを用いて,メートル法深度生成が可能なマルチスケール深度コーデックを設計し,共同学習が空間理解におけるタスク依存利得をもたらすことを示す。 第2に,選択した2次元キューのバランスをとりながら幾何学的難易度を制御するために3DCueBenchを導入する。 この発見に基づいて,GeoUGが最初に回答を起草し,それを確認するための幾何学的証拠を生成するか,あるいは修正するかを決定する適応的インターリーブ推論を開発した。 我々は、この決定を強化学習を通じて訓練し、生成コストに対するドラフトの維持よりも精度の向上をバランスさせる。 GeoUG は CV-Bench-3D, 3DCueBench, DA-2K で 97.9%, 90.8%, 94.2% の円周精度を実現している。

関連論文リスト

• GeoLatent: Geometry-Guided Latent Structuring with Routed Optimization for 3D Reasoning [97.7444853542192]
  テキストベースの手法は、離散トークンによる中間幾何学を記述し、連続空間関係に対する忠実度を制限する。 分解された空間ラテントは、幾何学的監督の下で位置、方向、大域幾何学を別々に表現することでこの問題に対処する。 我々はGeoLatentを導入し、CR-GEO(Common-Residual Geometry Alignment)とルート最適化を組み合わせることで、潜在的応答学習を促進しながら、幾何学状態を構成する。
  論文  参考訳（メタデータ） (2026-10-01T17:22:40Z)
• GAE: Learning a Geometry-Native Latent Space for 3D-Consistent World Generation [79.28580044574306]
  本稿では,知覚と生成の共通基盤として,コンパクトな幾何学ネイティブな潜在空間を提案する。 我々は、このシフトを幾何学ネイティブオートエンコーダ(GAE)で実現し、その潜伏線は外観、深度、カメラ、点マップに共起可能である。
  論文  参考訳（メタデータ） (2026-09-21T17:56:25Z)
• Geometry-Aware Reinforcement Learning for 2D Irregular Nesting [0.0]
  強化学習は、このボトルネックを克服するために一意に位置づけられている、と私たちは主張する。 最適化ポリシーを幾何学的認識型ニューラルエンコーダと組み合わせることで、エージェントはリッチな幾何学的先行点を自動的に発見することができる。 訓練されたエージェント領域利用性能は,最先端の解法であるSparrowと高い競争力を持つことを示す。
  論文  参考訳（メタデータ） (2026-06-09T09:11:36Z)
• Make Geometry Matter for Spatial Reasoning [62.61667611352403]
  視覚言語モデル(VLM)は、強いイメージと映像理解を実現するが、静的シーンとダイナミックビデオの両方で空間的推論を行う能力は限られている。 近年の進歩は、事前訓練された3次元基礎モデルから幾何学トークンをVLMに注入することで、この制限に対処しようとしている。 我々は、VLMが幾何トークンで積極的に推論するように促すことにより、幾何学的問題を作るためのフレームワークGeoSRを提案する。
  論文  参考訳（メタデータ） (2026-03-27T17:45:12Z)
• GeoPurify: A Data-Efficient Geometric Distillation Framework for Open-Vocabulary 3D Segmentation [57.8059956428009]
  2次元視覚言語モデルから3次元セマンティックセグメンテーションへ機能を移行しようとする最近の試みは、永続的なトレードオフを露呈している。 3次元教師モデルから抽出した幾何学的事前情報を用いて2次元VLM生成した3次元点特徴に小さな学生親和性ネットワークを適用したGeoPurifyを提案する。 遅延幾何学情報と学習された親和性ネットワークから恩恵を受けることで、GeoPurifyはトレードオフを効果的に軽減し、優れたデータ効率を実現する。
  論文  参考訳（メタデータ） (2025-10-02T16:37:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。