arXiv · 机器人与计算机视觉· Zixu Wang, Huaquan Zhang, Shoukai Xu, Jinwu Hu, Zhiquan Wen, Mingkui Tan·· 27 天前AI 评分42
FETA:面向视觉语言导航的反馈高效测试时自适应方法
Asking Less, Adapting Better: Feedback-Efficient Test-Time Adaptation for Vision-and-Language Navigation
AI 导读
FETA 提出一种针对视觉语言导航(VLN)任务的反馈高效测试时自适应方法,通过分层样本选择与熵梯度显著性准则定位关键动作并仅查询单次二元反馈。该方法仅在预测与反馈存在差异的步骤更新策略,结合差异感知优化目标实现更可靠的闭环适应。实验表明,FETA 在多个基准测试中实现了最先进性能,且在噪声反馈及持续适应场景下保持鲁棒性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org