ConsiSpace는 영상 공간 추론 모델이 장시간 영상에서 시점 변화에 따른 공간적 관계를 추론하도록 돕는 프레임워크입니다. 기존 모델의 한계를 극복하기 위해 기하학적 일관성을 핵심 원칙으로 삼아 증거를 조직하고 학습 신호로 활용합니다.
기하학적 일관성 메모리(GCM)를 구축하여 암시적 증거 토큰과 명시적 기하학적 단서를 포함하고, 효율적인 조직 전략을 통해 관련 공간 증거를 압축적으로 보존합니다.
VSI-Bench, OSI-Bench, MMSI-Video-Bench 3가지 벤치마크에서 기존 모델 대비 평균 12.6점 향상된 성능을 보였습니다.