تا امروز برای سنجش هوش فضایی مدلهای هوش مصنوعی، بیشتر روی متن و اعداد متمرکز بودیم؛ اما محققان در یک رویکرد جدید، راهکاری به نام «ProVisE» ارائه دادهاند که به مدلهای مولد تصویر اجازه میدهد توانایی درک و تعامل فضایی خود را بهصورت بصری (بهجای متن) نشان دهند.
این چارچوب که شامل بنچمارک جدیدی به نام SpatialGen-Bench است، به ما کمک میکند بفهمیم هوش مصنوعی چقدر درکی واقعی از محیط فیزیکی و چیدمان اشیاء دارد؛ تغییری بزرگ برای رسیدن به مدلهایی که در دنیای واقعی، بهتر از همیشه عمل میکنند. 🧠✨
منبع: arXiv Computer Vision