Buchumschlag

Volumetric Environment Representation for Vision-Language Navigation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Rui, Wang, Wenguan, Yang, Yi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Vision-Language Navigation with Energy-Based Policy
von: Liu, Rui, et al.
Veröffentlicht: (2024)

3D Gaussian Map with Open-Set Semantic Grouping for Vision-Language Navigation
von: Gao, Jianzhe, et al.
Veröffentlicht: (2026)

Navigation Instruction Generation with BEV Perception and Large Language Models
von: Fan, Sheng, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Gaussian Map for Vision-Language Navigation
von: Gao, Jianzhe, et al.
Veröffentlicht: (2026)

ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments
von: An, Dong, et al.
Veröffentlicht: (2023)

History-Enhanced Two-Stage Transformer for Aerial Vision-and-Language Navigation
von: Ding, Xichen, et al.
Veröffentlicht: (2025)

Let's Reward Step-by-Step: Step-Aware Contrastive Alignment for Vision-Language Navigation in Continuous Environments
von: Li, Haoyuan, et al.
Veröffentlicht: (2026)

Neural Clustering based Visual Representation Learning
von: Chen, Guikun, et al.
Veröffentlicht: (2024)

Navigating Beyond Instructions: Vision-and-Language Navigation in Obstructed Environments
von: Hong, Haodong, et al.
Veröffentlicht: (2024)

Human-Object Interaction Detection Collaborated with Large Relation-driven Diffusion Models
von: Li, Liulei, et al.
Veröffentlicht: (2024)

SinkTrack: Attention Sink based Context Anchoring for Large Language Models
von: Liu, Xu, et al.
Veröffentlicht: (2026)

SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments
von: Jiang, Wen, et al.
Veröffentlicht: (2026)

Shape2Scene: 3D Scene Representation Learning Through Pre-training on Shape Data
von: Feng, Tuo, et al.
Veröffentlicht: (2024)

Causality-based Cross-Modal Representation Learning for Vision-and-Language Navigation
von: Wang, Liuyi, et al.
Veröffentlicht: (2024)

A Survey of World Models for Autonomous Driving
von: Feng, Tuo, et al.
Veröffentlicht: (2025)

Lookahead Exploration with Neural Radiance Representation for Continuous Vision-Language Navigation
von: Wang, Zihan, et al.
Veröffentlicht: (2024)

Controllable Navigation Instruction Generation with Chain of Thought Prompting
von: Kong, Xianghao, et al.
Veröffentlicht: (2024)

DoraemonGPT: Toward Understanding Dynamic Scenes with Large Language Models (Exemplified as A Video Agent)
von: Yang, Zongxin, et al.
Veröffentlicht: (2024)

LSK3DNet: Towards Effective and Efficient 3D Perception with Large Sparse Kernels
von: Feng, Tuo, et al.
Veröffentlicht: (2024)

Clustering Propagation for Universal Medical Image Segmentation
von: Ding, Yuhang, et al.
Veröffentlicht: (2024)

Hydra-SGG: Hybrid Relation Assignment for One-stage Scene Graph Generation
von: Chen, Minghan, et al.
Veröffentlicht: (2024)

DIFFVSGG: Diffusion-Driven Online Video Scene Graph Generation
von: Chen, Mu, et al.
Veröffentlicht: (2025)

Local-Global Context Aware Transformer for Language-Guided Video Segmentation
von: Liang, Chen, et al.
Veröffentlicht: (2022)

VELVET-Med: Vision and Efficient Language Pre-training for Volumetric Imaging Tasks in Medicine
von: Zhang, Ziyang, et al.
Veröffentlicht: (2025)

Constraint-Aware Zero-Shot Vision-Language Navigation in Continuous Environments
von: Chen, Kehan, et al.
Veröffentlicht: (2024)

Scene Graph Generation with Role-Playing Large Language Models
von: Chen, Guikun, et al.
Veröffentlicht: (2024)

MePT: Multi-Representation Guided Prompt Tuning for Vision-Language Model
von: Wang, Xinyang, et al.
Veröffentlicht: (2024)

Towards Open Environments and Instructions: General Vision-Language Navigation via Fast-Slow Interactive Reasoning
von: Li, Yang, et al.
Veröffentlicht: (2026)

Psychometry: An Omnifit Model for Image Reconstruction from Human Brain Activity
von: Quan, Ruijie, et al.
Veröffentlicht: (2024)

ESceme: Vision-and-Language Navigation with Episodic Scene Memory
von: Zheng, Qi, et al.
Veröffentlicht: (2023)

The Essence of Balance for Self-Improving Agents in Vision-and-Language Navigation
von: Liu, Zhen, et al.
Veröffentlicht: (2026)

GA-VLN: Geometry-Aware BEV Representation for Efficient Vision-Language Navigation
von: Yang, Jiahao, et al.
Veröffentlicht: (2026)

World-Consistent Data Generation for Vision-and-Language Navigation
von: Zhong, Yu, et al.
Veröffentlicht: (2024)

Scalable Video Object Segmentation with Identification Mechanism
von: Yang, Zongxin, et al.
Veröffentlicht: (2022)

LookasideVLN: Direction-Aware Aerial Vision-and-Language Navigation
von: Ning, Yuwei, et al.
Veröffentlicht: (2026)

Visual Knowledge in the Big Model Era: Retrospect and Prospect
von: Wang, Wenguan, et al.
Veröffentlicht: (2024)

Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing
von: Wang, Wenguan, et al.
Veröffentlicht: (2022)

Nonverbal Interaction Detection
von: Wei, Jianan, et al.
Veröffentlicht: (2024)

Moving Beyond Diffusion: Hierarchy-to-Hierarchy Autoregression for fMRI-to-Image Reconstruction
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

Implicit Geometry Representations for Vision-and-Language Navigation from Web Videos
von: Han, Mingfei, et al.
Veröffentlicht: (2026)