3D 视觉

Skill-3D: Evolving Scene-Aware Skills for Agentic 3D Spatial Reasoning

Skill-3D：面向智能体3D空间推理的场景感知技能进化

Haoyuan Li, Zhengdong Hu, Jun Wang, Hehe Fan, Yi Yang

机构 * Zhejiang University（浙江大学） ； University of Technology Sydney（技术悉尼大学） ； OPPO Research Institute（OPPO研究院） 纠错

专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV

AI总结 提出Skill-3D框架，通过场景记忆和技能库的协同进化，使智能体根据场景自适应选择工具，显著提升3D空间推理中工具使用的正确性和充分性。

Textual Supervision Enhances Geospatial Representations in Vision-Language Models

文本监督增强视觉-语言模型中的地理空间表示

Marcelo Sartori Locatelli, Fernando Tonucci, Jea Kwon, Luiz Felipe Vecchietti, Bryan Nathanael Wijaya, Cheng Yaw Low, Virgilio Almeida, Meeyoung Cha

机构 * University of São Paulo（圣保罗大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 空间理解 ：spatial understanding(abstract)；分类 cs.CV

AI总结 研究视觉、视觉-语言及多模态模型的地理空间表示能力，发现文本监督能有效提升空间编码，推动地理空间AI发展。

Comments Accepted at ICML 2026

LMM Modality Transfer: A Pre-requisite for Autonomous GIS Agents

多模态大模型模态迁移：自主地理信息系统智能体的先决条件

Ivan Majic, Zexian Huang, Franziska Hübl, Krzysztof Janowicz, Meilin Shi, Mina Karimi, Zilong Liu, Alexandra Fortacz-Lazan

机构 * Graz University of Technology（格拉茨工业大学） ； University of Vienna（维也纳大学） ； University of Liverpool（利物浦大学） 纠错

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 本文针对自主GIS智能体的先决条件，提出LMM模态迁移任务，发现现有LMM在图像与文本模态间传递空间信息的能力不足，需加强多模态对齐以实现地理空间理解。

CrossAtlas: Evaluating Projection Techniques for Spatial Referencing in Cross-Reality Collaboration

CrossAtlas：评估跨现实协作中空间参考的投影技术

Haoyang Yang, Chenyang Zhang, Elliott H. Faa, Weijian Liu, Lily Seika Chisholm, Benjamin Lee, David Saffo, Feiyu Lu, Blair MacIntyre, Yalong Yang

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 CrossAtlas是整合多种投影技术的PC-VR协作平台，经24组双人受控研究发现，球形投影变体在空间参考任务中表现优于平面投影，可提升跨现实协作效果。

Comments 11 pages, 8 figures, Accepted to IEEE ISMAR 2026 (TVCG journal track)

Conversational Tactile Data Interfaces: Co-Designing Accessible Data Experiences with Blind Users Using Refreshable Tactile Displays and Conversational AI

对话式触觉数据接口：使用可刷新触觉显示器和对话式人工智能与盲人用户共同设计无障碍数据体验

Samuel Reinders, Munazza Zaib, Bongshin Lee, Ingrid Zukerman, Matthew Butler, Thien Autran, Sascha Cowley, Francois Jacobs, Lizhen Qu, Kim Marriott

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 研究针对盲人或视力低下者数据可视化问题，通过与盲人共同设计师协同设计，创建结合可刷新触觉显示器与对话代理的CTDI（Graphy系统），贡献设计知识与建议，得出分层展示等关键发现。

Comments Accepted to be presented at IEEE VIS 2026 and published in IEEE TVCG

Graph Neural Networks for RFID-Based Spatial Geometry Inference in Spatial AI Systems

空间人工智能系统中基于 RFID 的空间几何推理的图神经网络

Curtis Shull, Merrick Green, Roy Rucker

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 针对室内空间理解难题，本文提出基于图神经网络的学习框架，整合信号强度等数据构建图表示，通过 GNN 训练预测空间几何模式，如线性轨迹等，为室内定位等提供新方法。

Comments 38 pages, 10 figures. Introduces a Graph Neural Network framework for RFID-based spatial geometry inference using indoor floorplan semantics and digital twin representations

MentalThink: Shaping Thoughts in Mental SVG World

MentalThink：在心理SVG世界中塑造思想

Kangheng Lin, Jisheng Yin, Dingming Li, En Yu, Yana Wei, Han Zhou, Liang Zhao, Hongyu Zhou, Hongbo Peng, Jianjian Sun, Zheng Ge, Xiangyu Zhang, Daxin Jiang, Jingyu Wang

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 介绍MentalThink视觉符号推理范式，核心是think-with-SVG管道，通过两阶段训练框架实例化，在空间理解和推理基准测试中性能优越，为动态视角获取等提供可视化工作区。

Comments 17 pages, 6 figures

SpaCE: Rethinking Spatial Capacity and Generalization in Multi-Frame Multimodal Large Language Models

SpaCE: 重新思考多帧多模态大语言模型中的空间容量与泛化能力

Mariana Costa, Camila Ferreira, Alberlucia Rafael Soarez, Alejandro Torres

专题命中 空间理解 ：spatial understanding(abstract)

AI总结 提出SpaCE理论框架，证明多帧空间推理的信息论上界、样本复杂度界、PAC-Bayes泛化界，并刻画显式3D表示与隐式推理的偏差-方差权衡，在多个基准上验证了理论紧致性。