Ling Li

该工作提出空间隐推理（SLR），把指向手势的几何线索与目标区域外观组织成有序的连续隐状态：一个由指尖位置和指向方向监督的空间射线状态，后接四个与目标区域特征对齐的视觉状态，视觉目标用奇偶池化按行列奇偶把 ROI 词元分成四组取均值；在 EgoPoint-Ground 上相对同骨干监督微调，mIoU 在 Qwen3.5-4B、Qwen2.5-VL-7B、Qwen3-VL-8B 上分别提升 2.8、17.5、21.1 个百分点，两个困难子集均有提升，YouRefIt 上 IoU 0.5 精度达 77.6%。

该工作提出空间隐推理（SLR），把指向手势的几何线索与目标区域外观组织成有序的连续隐状态：一个由指尖位置和指向方向监督的空间射线状态，后接四个与目标区域特征对齐的视觉状态，视觉目标用奇偶池化按行列奇偶把 ROI 词元分成四组取均值；在 EgoPoint-Ground 上相对同骨干监督微调，mIoU 在 Qwen3.5-4B、Qwen2.5-VL-7B、Qwen3-VL-8B 上分别提升 2.8、17.5、21.1 个百分点，两个困难子集均有提升，YouRefIt 上 IoU 0.5 精度达 77.6%。