Skip to main content

perceptio-spatial-token-vlm

Enhance VLM spatial grounding by enforcing explicit intermediate spatial reasoning before text generation. Generate segmentation and depth tokens as perception pathways, anchoring responses in 2D and 3D geometric reasoning for improved referring expressions and spatial tasks.

インストールへ移動

ソース情報

リポジトリ
ADu2021/skillXiv
ソースの最終更新活動
2026年3月26日 15:00
検出された SKILL.md の言語
英語
スター
6
フォーク
0

インストール方法

デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。

ソースファイルを確認

インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。