CCTest · Blog
SpatialBlock:用“堆积木”训练视觉语言模型的空间智能
多模态
cctest.ai
多模态

SpatialBlock:用“堆积木”训练视觉语言模型的空间智能

SpatialBlock提出一种受人类空间认知启发的训练路径:先让视觉语言模型学习合成的积木堆叠任务,再迁移到真实场景空间推理。其核心数据集SpatialBlock-15k覆盖三维投影、视角变化和结构组合,并通过颜色线索引导模型建立空间锚点。

阅读全文
CCTest · Blog
World in World:让冻结的视频世界模型获得更灵活的视角与时间控制
世界模型
cctest.ai
世界模型

World in World:让冻结的视频世界模型获得更灵活的视角与时间控制

World in World 提出一种无需重新训练的推理接口,将视频观测、目标视角投影、几何线索和历史生成结果统一送入冻结的视频世界模型。它试图解决视角切换、长时探索和回访一致性之间的协调难题。

阅读全文