في عصر تطور نماذج اللغة الكبيرة متعددة الوسائط (MLLMs)، تبقى القدرة على فهم العلاقات ثلاثية الأبعاد من الصور ثنائية الأبعاد واحدة من أكبر التحديات التي تواجهنا. تعتمد الأساليب الحالية بشكل كبير على الرموز النصية التي تفتقر إلى القدرة الكافية لتمثيل المعلومات الهندسية المستمرة، مما يؤدي إلى صعوبات في التعامل مع المشاهد المعقدة.

للتغلب على هذه العقبات، نعرض GeoAnchor، وهو إطار عمل يُعزز من التفكير التعاوني من خلال تفكيك المعلومات الثلاثية الأبعاد إلى ثلاثة مكونات متناغمة:
1. **تمثيلات الوضع (Position Latents):** تساعد في تحديد موضع الأجسام.
2. **تمثيلات الاتجاه (Direction Latents):** تدعم فهم العلاقات المكانية.
3. **تمثيلات الهندسة (Geometry Latents):** تقدم هيكلية المشاهد.

تجمع GeoAnchor هذه المكونات في فضاء منظم، مما يمكّن النموذج من بناء دلائل محلية بينما يحتفظ بالسياق العالمي، مما يتيح استدلالًا ديناميكيًا ومفهومًا.

علاوة على ذلك، نقدم استراتيجية تدريب تعاونية ترشد النموذج من perceiving المحلي إلى فهم شامل على العمق الثلاثي الأبعاد.

أظهرت التجارب الواسعة على مجموعة متنوعة من المهام الثلاثية الأبعاد أن GeoAnchor تتفوق بشكل ملحوظ على التقنيات الحالية، مما يثبت فعاليتها وقدرتها على التعميم.