摘要
针对视觉语言模型在街景场景中存在的“空间语义幻觉”及难以校准的问题，本文提出 DM-KG（方向 - 度量知识图谱）框架。该方法结合全景分割与度量深度估计，从单张 2D 图像中提取实体间的三维空间坐标、方位角及欧氏距离，并编码为结构化知识图谱注入模型，作为显式几何先验引导空间推理。实验表明，该方法显著降低了距离和方向判断的误差，大幅提升了地理视觉问答任务中的空间认知准确性与可解释性。
AI 推荐理由
论文核心在于通过构建结构化知识图谱增强 VLM 的空间推理能力，解决幻觉问题。
研究机构
Institute of Surveying and Mapping, Information Engineering University, Zhengzhou 450001, China
State Key Laboratory of Geographic Information Science and Technology, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
论文信息