DSI-Bench: Un punto de referencia para la inteligencia espacial dinámica
DSI-Bench: A Benchmark for Dynamic Spatial Intelligence
October 21, 2025
Autores: Ziang Zhang, Zehan Wang, Guanghao Zhang, Weilong Dai, Yan Xia, Ziang Yan, Minjie Hong, Zhou Zhao
cs.AI
Resumen
El razonamiento sobre relaciones espaciales dinámicas es esencial, ya que tanto los observadores como los objetos suelen moverse simultáneamente. Aunque los modelos de visión-lenguaje (VLMs) y los modelos de expertise visual destacan en tareas 2D y escenarios estáticos, su capacidad para comprender completamente escenarios dinámicos en 3D sigue siendo limitada. Introducimos la Inteligencia Espacial Dinámica y proponemos DSI-Bench, un benchmark con cerca de 1,000 videos dinámicos y más de 1,700 preguntas anotadas manualmente que cubren nueve patrones de movimiento desacoplados de observadores y objetos. Diseños espaciales y temporalmente simétricos reducen sesgos y permiten una evaluación sistemática del razonamiento de los modelos sobre el movimiento propio y el movimiento de los objetos. Nuestra evaluación de 14 VLMs y modelos expertos revela limitaciones clave: los modelos a menudo confunden el movimiento del observador y del objeto, exhiben sesgos semánticos y no logran inferir con precisión las relaciones relativas en escenarios dinámicos. Nuestro DSI-Bench proporciona hallazgos valiosos y perspectivas sobre el desarrollo futuro de modelos generales y de expertise con inteligencia espacial dinámica.
English
Reasoning about dynamic spatial relationships is essential, as both observers
and objects often move simultaneously. Although vision-language models (VLMs)
and visual expertise models excel in 2D tasks and static scenarios, their
ability to fully understand dynamic 3D scenarios remains limited. We introduce
Dynamic Spatial Intelligence and propose DSI-Bench, a benchmark with nearly
1,000 dynamic videos and over 1,700 manually annotated questions covering nine
decoupled motion patterns of observers and objects. Spatially and temporally
symmetric designs reduce biases and enable systematic evaluation of models'
reasoning about self-motion and object motion. Our evaluation of 14 VLMs and
expert models reveals key limitations: models often conflate observer and
object motion, exhibit semantic biases, and fail to accurately infer relative
relationships in dynamic scenarios. Our DSI-Bench provides valuable findings
and insights about the future development of general and expertise models with
dynamic spatial intelligence.