交叉投影：超越建筑图纸视点变化的几何基础

建筑图纸违反了多视图推理背后的通常假设：平面图和剖面图是剖面图，而立面图是立面投影，因此相应的组件会以摄像机运动无法解释的方式改变外观。我们引入了 CrossProjection，这是一种基于锚点的诊断，用于诊断视觉语言模型是否保留组件身份并在异构架构视图中外部化几何形状。它通过分类判断、候选选择以及自由点、线和区域定位来评估匹配、配准和几何基础。在每个模型的 23 个真实绘图集和 1,954 个分类条件中，GPT-5.5 得分为 82.4%，Qwen3-VL-32B-Instruct 为 62.2%，GLM-4.5V 为 57.2%。一项匹配的 200 个目标研究将自然绘图和矢量文本抑制绘图与封闭候选和自由几何输出相结合。候选支持的性能往往更高，但自由本地化仍然脆弱：在自然绘图上，点/区域 PCK@.05 对于 GPT 为 54-76%，对于 Qwen 为 8-10%，对于 GLM 为 14-36%；线端点 PCK@.05 为 22%、4% 和 0%。坐标网格恢复一些 GPT 点/区域精度，但不能恢复线。三名接受过架构培训的参与者达到了 87.3-93.3% 的分类准确率和 76-92% GT 区域命中率，支持任务可行性而不是人口水平的人类上限。由于分类系列不形成相同项目的匹配注册对比，并且界面控制会改变多个负担，因此我们避免机械主张。支持的结论范围较窄：封闭选择或标记元素的成功并不需要可靠的显式几何基础。对于绘图引导的 CAD/BIM 系统，分类正确性不应被视为无候选空间可靠性的证据。可重复使用的片上锚点、固定分母评分和哈希锁定工件为这一差距建立了审计跟踪。