IMAGIREP比较空间推理的视觉表征

论文《Representing the Unseen: Rethinking Visual Imagination for Spatial Reasoning》提出 IMAGIREP 基准，以 922 道题目考察世界模型借助想象进行空间推理。研究发现，模型想象 RGB 图像并非最优选择，采用深度图与俯视图等表征更能提升空间推理表现，表明想象过程中的表征选择是关键因素。

论文《Representing the Unseen》提出 IMAGIREP 受控基准，固定想象状态与问题，比较 RGB、深度图、法线、全景、俯视图、文本和视频等表征对空间推理的影响。研究发现，远距离物体问答加入真值终点 RGB 视图反而降低准确率，改用同一想象状态的深度图或俯视图可提升表现；不同问题适用的表征不同，且状态为估计值时收益仍成立。