光从何处来？诊断视觉语言模型（VLM）的阴影推理缺陷并引入图像生成模型的阴影先验

英文标题：Where Did the Light Come From? Diagnosing Cast-Shadow Reasoning in VLMs and Borrowing the Missing Shadow Prior from Image Generation Models

本研究深入探讨了视觉语言模型（VLM）对投射阴影等物理规律的理解与推理能力。阴影是光照、物体几何特征以及场景三维结构相互作用所产生的显式物理结果，理解阴影要求模型不仅能读取投射方向，还能反推光源及空间物理机理。研究指出当前主流 VLM 在阴影物理推理上存在明显局限，并提出从图像生成模型中借鉴其内隐的阴影先验知识加以弥补。这一成果为增强多模态模型的物理世界常识表征和具身环境空间感知能力提供了全新思路。

2.0 KB 612 B 380 B 24.2 KB 34.7 KB