OrientSAM：经朝向感知空间对齐缓解多模态空间推理的相机中心捷径

多模态大语言模型（MLLM）仍在需要视角转换的空间推理上挣扎：它们常依赖相机中心线索、而非从参考物体的视点推理，在非相机参考设定下导致系统性错误。本文首先分析这一失败模式，证明物体朝向是相机中心捷径行为的关键因素。为解决该问题，我们提出OrientSAM，一个面向多模态模型的朝向感知空间对齐框架：OrientSAM经朝向感知token与基于傅里叶的角度编码把显式朝向信息注入多模态表示，并采用课程学习策略渐进提升视角感知推理；同时构建空间数据构造管线，从大规模图像生成朝向感知的空间监督。在Spatial-MM、ViewSpatial与3DSRBench上的实验显示，OrientSAM持续优于强基线，尤其在非相机视角、以人为中心与朝向敏感任务上。结果进一步证明显式朝向建模对缓解相机中心捷径、实现更稳健的他者中心空间推理的重要性。