arXiv cs.CV· Jingyu Guo, Jiaxin Huang, Chengxing Lin, Xiaoyu Luo, Cheng Wen, Shanshan Ye, Tingjin Chu, Shaoli Huang, Mingming Gong·· 2 小时前AI 评分22
GuidedNav：通过动作前注意力与空间引导塑造视觉语言导航表征
GuidedNav: Shaping Vision-Language Navigation Representations through Pre-action Attention and Spatial Guidance
AI 导读
GuidedNav 是一个通过训练时引导显式塑造视觉语言导航表征的统一框架，利用子任务与地标引导将动作前注意力对准当前指令片段和相关视觉区域，并用空间引导对齐几何特征。在 R2R-CE 和 RxR-CE val-unseen 上，其成功率分别比此前最强结果提升 8.1% 和 13.1%，同时推理更快。作者还发布了 Guided-R2R 和 Guided-RxR 两个标注增强的导航数据集。
来源：arXiv cs.CV · arxiv.org