الملخص
تمت ترجمة أجزاء من هذه الصفحة آلياً وقد تحتوي على أخطاء.
Vision-Language Models (VLMs) have demonstrated remarkable capabilities in multimodal tasks, yet they still exhibit poor ability in spatial reasoning. Existing training-dependent and training-free enhancement methods suffer from high computational costs with catastrophic forgetting and internal mechanism interference that compromises general capabilities, respectively. In this work, we first verify two key hypotheses: appropriate geometric image transformation and query-reversal transformation can recover incorrect spatial predictions, and correct predictions exhibit higher relation-token confidence than incorrect ones. Based on these findings, we propose INTCORT, a training-free spatial reasoning enhancement framework that constructs multiple inference views through input transformations and aggregates their predictions via relation-token confidence routing, without modifying the VLM's internal mechanisms. Experimental results on several commonly-used benchmarks demonstrate that INTCORT substantially improves spatial reasoning accuracy across diverse VLMs, achieving an average improvement of 10.01% over all models and benchmarks. Compared with prior works, INTCORT achieves superior performance with improvements of up to 25.01%.
الكلمات المفتاحية
الموضوع
بيانات النشر
- المجلة
- غير متاح
- وصول مفتوح
- وصول مفتوح أخضر
اقتبس هذه المقالة
APA 7
Sun, H., Xu, J., Li, Y., Liu, E., Xu, K., & Liu, Y. (2026). INTCORT: تعزيز الاستدلال المكاني دون تدريب لنماذج الرؤية واللغة عبر تحويلات المدخلات والتوجيه المعتمد على الثقة. https://omanscience.com/ar/articles/intcort-training-free-spatial-reasoning-enhancement-for-vision-language-models-via-input-transformations-and-confidence-routing
MLA 9
Sun, Haoran, et al. "INTCORT: تعزيز الاستدلال المكاني دون تدريب لنماذج الرؤية واللغة عبر تحويلات المدخلات والتوجيه المعتمد على الثقة." https://omanscience.com/ar/articles/intcort-training-free-spatial-reasoning-enhancement-for-vision-language-models-via-input-transformations-and-confidence-routing.
شيكاغو (المؤلف–التاريخ)
Sun, Haoran, Jingqi Xu, Yanhui Li, Enci Liu, Kaidi Xu, and Yanwei Liu. 2026. "INTCORT: تعزيز الاستدلال المكاني دون تدريب لنماذج الرؤية واللغة عبر تحويلات المدخلات والتوجيه المعتمد على الثقة." https://omanscience.com/ar/articles/intcort-training-free-spatial-reasoning-enhancement-for-vision-language-models-via-input-transformations-and-confidence-routing.
هارفارد
Sun, H., Xu, J., Li, Y., Liu, E., Xu, K. and Liu, Y. (2026) 'INTCORT: تعزيز الاستدلال المكاني دون تدريب لنماذج الرؤية واللغة عبر تحويلات المدخلات والتوجيه المعتمد على الثقة', Available at: https://omanscience.com/ar/articles/intcort-training-free-spatial-reasoning-enhancement-for-vision-language-models-via-input-transformations-and-confidence-routing.
فانكوفر
Sun H, Xu J, Li Y, Liu E, Xu K, Liu Y. INTCORT: تعزيز الاستدلال المكاني دون تدريب لنماذج الرؤية واللغة عبر تحويلات المدخلات والتوجيه المعتمد على الثقة. https://omanscience.com/ar/articles/intcort-training-free-spatial-reasoning-enhancement-for-vision-language-models-via-input-transformations-and-confidence-routing
IEEE
H. Sun, J. Xu, Y. Li, E. Liu, K. Xu, and Y. Liu, "INTCORT: تعزيز الاستدلال المكاني دون تدريب لنماذج الرؤية واللغة عبر تحويلات المدخلات والتوجيه المعتمد على الثقة," https://omanscience.com/ar/articles/intcort-training-free-spatial-reasoning-enhancement-for-vision-language-models-via-input-transformations-and-confidence-routing.