LeRF apprend aux modèles vision-langage à construire des repères de coordonnées pour adopter un point de vue
1 sourcemis à jour 29 sept.pertinence 2,6 sur5
L’essentiel
Un outil léger dessine sur l’image les axes avant, gauche et haut de la personne ou de l’objet de référence. LeRF s’appuie sur un fine-tuning supervisé puis du RL, sans modèle de perception externe ni reconstruction 3D explicite.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceBang Xiao, Wenqi Jia, Ozgur Kara et al.huggingface.co
LeRF: Learning Reference Coordinate Frames for Perspective Taking Reasoning (site externe)
Whose “left” is it—the camera’s, another person’s, or an imagined observer’s? VLMs often mix these up. We introduce LeRF, which learns to make the requested viewpoint explicit before reasoning.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5