铭记于心：以用户为中心的自我中心视频流中的持续空间智能推理

本文介绍了 UCS-Bench，一个涵盖 170 多小时自我中心视觉观察及 8100 多个时间戳问题的数据集，旨在诊断视频流中基于用户的持续空间智能。针对动态空间推理、长期记忆及其与用户实时位置对齐的新问题，提出了 DirectMe 框架。该框架能从流式观察中增量构建并维护结构化空间记忆，实现相对于用户移动轨迹的物体位置稳健跟踪与召回。通过紧密耦合视觉感知、记忆更新与空间推理，该方法支持长程查询，能有效回忆交互过程、解决视角歧义并适应动态场景。实验表明，DirectMe 显著提升了多模态大模型的空间推理能力。