技術研究　arXiv Computer Vision　2026-10-19 13:00

一人称動画の空間推論を内面化するEgoP²C

原題　EgoP$^{2}$C: Internalizing Plan-Perceive-Compose for Spatial Reasoning in Egocentric Video

一人称視点の動画で複雑な空間の問いに答えるには、必要な証拠を決め、観察し、推論で組み合わせる工程が要る。EgoP²Cは「計画・知覚・構成」の流れをモデル内部に取り込む手法を示す。

論点

空間理解はモデルに内面化させるべきか

みんなの立場0票

賛成0%0票

反対0%0票

どちらでもない0%0票

まだ投票はありません。あなたはどう思う？

議論のヒントを見る

賛成側の視点

外部ツールの継ぎはぎは遅く脆い。ロボットに載せるなら推論をモデル内に持たせるしかない。

反対側の視点

内面化はブラックボックス化そのもの。段階を外に出す方が検証も修正もでき、よほど安全だ。