Buchumschlag

Scaling Vision-and-Language Navigation With Offline RL

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bundele, Valay, Bhupati, Mahesh, Banerjee, Biplab, Grover, Aditya
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

You Are Your Best Teacher: Semi-Supervised Surgical Point Tracking with Cycle-Consistent Self-Distillation
von: Bundele, Valay, et al.
Veröffentlicht: (2025)

ReMeDI: Refined Memory for Disambiguation of Identities with SAM3 in Surgical Segmentation
von: Bundele, Valay, et al.
Veröffentlicht: (2025)

HistDiST: Histopathological Diffusion-based Stain Transfer
von: Großkopf, Erik, et al.
Veröffentlicht: (2025)

GenSeg-R1: RL-Driven Vision-Language Grounding for Fine-Grained Referring Segmentation
von: Hegde, Sandesh, et al.
Veröffentlicht: (2026)

Evaluating Self-Supervised Learning in Medical Imaging: A Benchmark for Robustness, Generalizability, and Multi-Domain Impact
von: Bundele, Valay, et al.
Veröffentlicht: (2024)

GraphVL: Graph-Enhanced Semantic Modeling via Vision-Language Models for Generalized Class Discovery
von: Solanki, Bhupendra, et al.
Veröffentlicht: (2024)

FedMVP: Federated Multimodal Visual Prompt Tuning for Vision-Language Models
von: Singha, Mainak, et al.
Veröffentlicht: (2025)

MMLGNet: Cross-Modal Alignment of Remote Sensing Data using CLIP
von: Chaudhary, Aditya, et al.
Veröffentlicht: (2026)

Local-Global Context-Aware and Structure-Preserving Image Super-Resolution
von: Palit, Sanchar, et al.
Veröffentlicht: (2025)

bi-modal textual prompt learning for vision-language models in remote sensing
von: Kashyap, Pankhi, et al.
Veröffentlicht: (2026)

HIDISC: A Hyperbolic Framework for Domain Generalization with Generalized Category Discovery
von: Rathore, Vaibhav, et al.
Veröffentlicht: (2025)

Label-Efficient Hyperspectral Image Classification via Spectral FiLM Modulation of Low-Level Pretrained Diffusion Features
von: Hu, Yuzhen, et al.
Veröffentlicht: (2025)

Few Shot Class Incremental Learning using Vision-Language models
von: Kumar, Anurag, et al.
Veröffentlicht: (2024)

Navigating Hallucinations for Reasoning of Unintentional Activities
von: Grover, Shresth, et al.
Veröffentlicht: (2024)

PopAlign: Population-Level Alignment for Fair Text-to-Image Generation
von: Li, Shufan, et al.
Veröffentlicht: (2024)

Mamba-ND: Selective State Space Modeling for Multi-Dimensional Data
von: Li, Shufan, et al.
Veröffentlicht: (2024)

InstructAny2Pix: Flexible Visual Editing via Multimodal Instruction Following
von: Li, Shufan, et al.
Veröffentlicht: (2023)

Learning Goal-Oriented Vision-and-Language Navigation with Self-Improving Demonstrations at Scale
von: Li, Songze, et al.
Veröffentlicht: (2025)

FrogDogNet: Fourier frequency Retained visual prompt Output Guidance for Domain Generalization of CLIP in Remote Sensing
von: Gunduboina, Hariseetharam, et al.
Veröffentlicht: (2025)

PoliFormer: Scaling On-Policy RL with Transformers Results in Masterful Navigators
von: Zeng, Kuo-Hao, et al.
Veröffentlicht: (2024)

Incremental Open-set Domain Adaptation
von: Rakshit, Sayan, et al.
Veröffentlicht: (2024)

TFS-NeRF: Template-Free NeRF for Semantic 3D Reconstruction of Dynamic Scene
von: Biswas, Sandika, et al.
Veröffentlicht: (2024)

REJEPA: A Novel Joint-Embedding Predictive Architecture for Efficient Remote Sensing Image Retrieval
von: Choudhury, Shabnam, et al.
Veröffentlicht: (2025)

AD-CLIP: Adapting Domains in Prompt Space Using CLIP
von: Singha, Mainak, et al.
Veröffentlicht: (2023)

DuET: Dual Incremental Object Detection via Exemplar-Free Task Arithmetic
von: Monga, Munish, et al.
Veröffentlicht: (2025)

Asset-Driven Sematic Reconstruction of Dynamic Scene with Multi-Human-Object Interactions
von: Biswas, Sandika, et al.
Veröffentlicht: (2025)

MIMRS: A Survey on Masked Image Modeling in Remote Sensing
von: Choudhury, Shabnam, et al.
Veröffentlicht: (2025)

HoneyBee: Data Recipes for Vision-Language Reasoners
von: Bansal, Hritik, et al.
Veröffentlicht: (2025)

Revised Regularization for Efficient Continual Learning through Correlation-Based Parameter Update in Bayesian Neural Networks
von: Palit, Sanchar, et al.
Veröffentlicht: (2024)

dinov3.seg: Open-Vocabulary Semantic Segmentation with DINOv3
von: Dutta, Saikat, et al.
Veröffentlicht: (2026)

Volumetric Environment Representation for Vision-Language Navigation
von: Liu, Rui, et al.
Veröffentlicht: (2024)

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

Reflect-DiT: Inference-Time Scaling for Text-to-Image Diffusion Transformers via In-Context Reflection
von: Li, Shufan, et al.
Veröffentlicht: (2025)

Accelerating Inference of Masked Image Generators via Reinforcement Learning
von: Subbaraman, Pranav, et al.
Veröffentlicht: (2025)

ActiveVLN: Towards Active Exploration via Multi-Turn RL in Vision-and-Language Navigation
von: Zhang, Zekai, et al.
Veröffentlicht: (2025)

BalancedDPO: Adaptive Multi-Metric Alignment
von: Tamboli, Dipesh, et al.
Veröffentlicht: (2025)

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

Hierarchical Spatial Proximity Reasoning for Vision-and-Language Navigation
von: Xu, Ming, et al.
Veröffentlicht: (2024)

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

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