연구진이 실제 야생 환경의 다양한 장면을 담은 장시간 영상으로 공간 초감각 능력을 평가하는 새로운 벤치마크 VSI-Super-Wild를 공개했어요.
VSI-Super-Wild는 주체(관찰자), 객체(장면 항목), 환경(장소 및 전역 레이아웃)의 세 가지 요소를 체계적으로 분석하며, 총 6,980개의 질문-답변 쌍으로 구성돼요.
기존 모델은 이미지 이해 능력은 뛰어나지만, 시간의 흐름에 따른 일관성 있는 세계 상태 추적 능력은 부족한 것으로 나타났으며, 공간 붕괴, 의미 단축, 업데이트 부족, 인스턴스 혼동 등의 문제점을 보였어요.