Unleashing Spatial Reasoning in Multimodal Large Language Models via Textual Representation Guided Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hua, Jiacheng, Yin, Yishu, Wu, Yuhang, Wang, Tai, Huang, Yifei, Liu, Miao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2603.23404