DK-VLM: Hình học làm vị trí cho suy luận không gian trong mô hình thị giác-ngôn ngữ

Các mô hình thị giác-ngôn ngữ vẫn gặp khó khăn khi hiểu quan hệ không gian 3D giữa nhiều góc nhìn và cập nhật nhận định khi vị trí quan sát thay đổi. DK-VLM sử dụng hình học làm thông tin vị trí để cải thiện suy luận không gian.