Explaining Navigation Decisions: Stage-Aware Visual Attribution for Vision-Language Navigation
针对视觉语言导航(VLN)中现有可解释性方法忽视指令阶段差异的问题,本文提出了一个阶段感知的归因框架。该方法构建动作条件的时间序列指令 - 视觉归因,将其投影到指令空间以估计阶段关联,从而聚合历史证据并优化当前解释;同时利用指令引导的空间滤波器抑制孤立响应并保留紧凑的相关区域。
针对视觉语言导航(VLN)中现有可解释性方法忽视指令阶段差异的问题,本文提出了一个阶段感知的归因框架。该方法构建动作条件的时间序列指令 - 视觉归因,将其投影到指令空间以估计阶段关联,从而聚合历史证据并优化当前解释;同时利用指令引导的空间滤波器抑制孤立响应并保留紧凑的相关区域。