WorldFoundry
English中文

SpatialReasoner

SpatialReasoner（Johns Hopkins University (CCVL)）：多模态推理、空间推理；Runner 一致性待确认。

编辑此页GitHubMarkdown

SpatialReasoner 是约翰斯·霍普金斯大学 CCVL 组的视觉-语言模型，专注对图像与视频进行显式、分步的空间推理。在本 catalog 中它是理解类条目——空间与多模态推理加图像/视频问答——返回 model_response 产物。

本 docs 树没有入库的官方 teaser 或方法图。

代码：ccvl/SpatialReasoner。

构建运行命令

推理 Pipeline
SpatialReasonerPipelineworldfoundry.pipelines.video_official.pipeline_official_video
任务
环境worldfoundry-unified-cu128
设备CUDA 12.8
Runnerworldfoundry.pipeline
加载方式from_pretrained
调用方式native_or_standard_invocation
worldfoundry-eval run \
  spatial-reasoner \
  --pipeline.task-profile multimodal-reasoning \
  --json

用来做什么

用 spatial-reasoner 做本卡的多模态推理。

带显式 3D 感知空间推理阶段的视觉-语言模型（见上游 ccvl/SpatialReasoner 发布）。本仓库记录 prompt/image/video 契约；规模与训练细节仓库未记录。该模型由约翰斯·霍普金斯大学（CCVL 实验室）发布。

catalog 记录的任务包括 多模态推理、空间推理、图像问答、视频问答。别名包括 spatial_reasoner、ccvl/SpatialReasoner。

运行时契约

可选 prompt、image、video、seed、frames；产物 spatial-reasoner.json。

CLI task profile：multimodal-reasoning、spatial-reasoning、image-question-answering、video-question-answering、video_generation。绑定的 pipeline 类是 SpatialReasonerPipeline。

系列状态：Runner 一致性待确认。

可与生成条目配合，审查生成世界的空间一致性——例如物体位置与相对深度。

Checkpoint 属于外部资产——权重缺失时会在运行时报告，而不会自动下载。

在 WorldFoundry 中运行

启动 worldfoundry-eval run spatial-reasoner --pipeline.task-profile multimodal-reasoning 跑推理路由。上方命令构建器按已记录任务切换 --pipeline.task-profile，发出的仍是 worldfoundry-eval run。

运行环境是统一 profile worldfoundry-unified-cu128（Python 3.11，CUDA 12.8）。

记录的权重仓库包括 ccvl/SpatialReasoner。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh spatial-reasoner；下载缺失的公开权重时加 --download。

状态：Runner 一致性待确认。