arXiv cs.CV· Jingyu Guo, Jiaxin Huang, Chengxing Lin, Xiaoyu Luo, Cheng Wen, Shanshan Ye, Tingjin Chu, Shaoli Huang, Mingming Gong·· 3 小时前AI 评分38
GuidedNav：通过预动作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 通过训练时的子任务、地标与空间引导，显式塑造连接指令与动作的视觉语言导航（VLN）表征，避免推理阶段的额外开销。该框架在对比的单目 RGB 策略中达到 SOTA，R2R-CE 与 RxR-CE val-unseen 成功率较先前最强结果分别相对提升 8.1% 和 13.1%，且推理更快。作者同时发布 Guided-R2R 与 Guided-RxR 两个标注增强的导航数据集。
来源：arXiv cs.CV · arxiv.org