Enhancing Vision-Language Navigation with Multimodal Event Knowledge from Real-World Indoor Tour Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Haoxuan, Li, Tianfu, Chen, Wenbo, Liu, Yi, Zuo, Xingxing, Song, Yaoxian, Li, Haoang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2602.23937