模型介绍
中文整理模型名称
DSR Suite（基于Qwen2.5-VL-7B）
Model use case
DSR Suite是一个动态空间推理（Dynamic Spatial Reasoning，DSR）模型，旨在提升视觉语言模型在4D时空维度上理解物体几何和关系变化的能力。该模型能够从视频中推理物体在3D空间中随时间的动态演变过程。
主要能力
动态空间推理：能够推理物体几何形状和空间关系随时间的演化
多选问答生成：基于原始视频自动生成多选问答对
几何先验整合：通过几何选择模块（GSM）将3D基础模型的几何先验知识无缝集成到视觉语言模型中
基准评估：提供人类精调的DSR-Bench基准测试集用于严格评估
输入输出
输入：自然场景视频（in-the-wild videos）
输出：关于空间关系变化的多选问答答案
运行要求
基础模型：Qwen2.5-VL-7B
评估框架：VLMEvalKit
依赖项目：Grounded SAM2、Orient Anything、π³（用于数据生成管道中的3D线索提取）
视频数据源：Koala-36M视频数据库
基本用法
该模型主要用于空间推理任务评估。详细的环境配置、数据生成、模型训练和基准测试方法请参考官方GitHub仓库。
数据集规模
DSR-Train：50,000个问答对
DSR-Bench：1,484个人类精调问答对
许可证
原文未提供具体的许可证信息。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。