LeRF：学习参考坐标系以实现视角推理

LeRF 训练视觉语言模型构建并使用显式参考坐标系进行视角依赖推理，判断是否需要坐标系、定位参考实体并预测原点与实体中心坐标系，再通过轻量渲染器叠加到图像上供后续推理。研究采用监督微调与强化学习，在多个视角推理基准上超越基座模型与现有开源方法，同时提升坐标系定位与朝向估计效果。