論文の概要: Exploiting Scene-specific Features for Object Goal Navigation

• arxiv url: http://arxiv.org/abs/2008.09403v1
• Date: Fri, 21 Aug 2020 10:16:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 21:45:43.848511
• Title: Exploiting Scene-specific Features for Object Goal Navigation
• Title（参考訳）: オブジェクトゴールナビゲーションのためのシーン特化機能
• Authors: Tommaso Campari, Paolo Eccher, Luciano Serafini and Lamberto Ballan
• Abstract要約: ナビゲーションモデルのトレーニングを高速化するデータセットを新たに導入する。 提案したデータセットは,オンライン構築マップを合理的な時間で活用しないモデルのトレーニングを可能にする。 本研究では,SMTSCモデルを提案する。
• 参考スコア（独自算出の注目度）: 9.806910643086043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Can the intrinsic relation between an object and the room in which it is usually located help agents in the Visual Navigation Task? We study this question in the context of Object Navigation, a problem in which an agent has to reach an object of a specific class while moving in a complex domestic environment. In this paper, we introduce a new reduced dataset that speeds up the training of navigation models, a notoriously complex task. Our proposed dataset permits the training of models that do not exploit online-built maps in reasonable times even without the use of huge computational resources. Therefore, this reduced dataset guarantees a significant benchmark and it can be used to identify promising models that could be then tried on bigger and more challenging datasets. Subsequently, we propose the SMTSC model, an attention-based model capable of exploiting the correlation between scenes and objects contained in them, highlighting quantitatively how the idea is correct.
• Abstract（参考訳）: 視覚ナビゲーションタスクにおいて、通常ヘルプエージェントの位置にあるオブジェクトと部屋の本質的な関係は可能か? 本研究では,複雑な家庭環境の中を移動しながら,エージェントが特定のクラスに到達しなければならない問題であるオブジェクトナビゲーションの文脈で,この問題を考察する。 本稿では,複雑なタスクであるナビゲーションモデルのトレーニングを高速化する,新しい縮小データセットを提案する。 提案するデータセットは,膨大な計算資源を用いなくても,オンライン構築地図を合理的に活用しないモデルのトレーニングを可能にする。 したがって、この削減されたデータセットは重要なベンチマークを保証し、より大きな、より困難なデータセットで試される有望なモデルを特定するために使用できる。 次に,smtscモデルを提案する。smtscモデルでは,シーンとオブジェクトの相関性を活用でき,アイデアの正確さを定量的に強調する。

関連論文リスト

• Personalized Instance-based Navigation Toward User-Specific Objects in Realistic Environments [44.6372390798904]
  本稿では,特定の個人オブジェクトの位置と到達を具体化するタスクデノマイトされたパーソナライズされたパーソナライズドインスタンスベースのナビゲーション(PIN)を提案する。 各エピソードにおいて、ターゲットオブジェクトは、中性背景上の視覚的参照画像のセットと手動による注釈付きテキスト記述の2つのモードを使用してエージェントに提示される。
  論文  参考訳（メタデータ） (2024-10-23T18:01:09Z)
• DeTra: A Unified Model for Object Detection and Trajectory Forecasting [68.85128937305697]
  提案手法は,2つのタスクの結合を軌道修正問題として定式化する。 この統合タスクに対処するために、オブジェクトの存在, ポーズ, マルチモーダルな将来の振る舞いを推測する精細化変換器を設計する。 実験では、我々のモデルはArgoverse 2 Sensor and Openデータセットの最先端性よりも優れています。
  論文  参考訳（メタデータ） (2024-06-06T18:12:04Z)
• Temporal-Spatial Object Relations Modeling for Vision-and-Language Navigation [11.372544701050044]
  VLN(Vision-and-Language Navigation)は、エージェントが視覚観察を通して記述された自然言語にナビゲートする必要がある課題である。 エージェントのナビゲーション能力は、通常内部オブジェクトまたは外部データセットを使用して学習されるオブジェクト間の関係によって強化することができる。
  論文  参考訳（メタデータ） (2024-03-23T02:44:43Z)
• Task-Driven Graph Attention for Hierarchical Relational Object Navigation [25.571175038938527]
  大きなシーンにいる身体を持つAIエージェントは、オブジェクトを見つけるためにナビゲートする必要があることが多い。 対象ナビゲーションタスクHRON(hierarchical object navigation)の自然に現れる変種について検討する。 本稿では、シーングラフを入力の一部として使用し、グラフニューラルネットワークをバックボーンとして統合するソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-23T19:50:48Z)
• Dense Video Object Captioning from Disjoint Supervision [77.47084982558101]
  本稿では,高密度ビデオオブジェクトキャプションのための新しいタスクとモデルを提案する。 このタスクは、ビデオにおける空間的および時間的局所化を統一する。 我々は、この新しいタスクの強力なベースラインにおいて、我々のモデルがどのように改善されているかを示す。
  論文  参考訳（メタデータ） (2023-06-20T17:57:23Z)
• How To Not Train Your Dragon: Training-free Embodied Object Goal Navigation with Semantic Frontiers [94.46825166907831]
  Embodied AIにおけるオブジェクトゴールナビゲーション問題に対処するためのトレーニング不要のソリューションを提案する。 本手法は,古典的な視覚的同時ローカライゼーションとマッピング(V-SLAM)フレームワークに基づく,構造化されたシーン表現を構築する。 本手法は,言語先行情報とシーン統計に基づいてシーングラフのセマンティクスを伝搬し,幾何学的フロンティアに意味知識を導入する。
  論文  参考訳（メタデータ） (2023-05-26T13:38:33Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)
• Visual Navigation with Spatial Attention [26.888916048408895]
  この作業は、オブジェクト目標のビジュアルナビゲーションに焦点を当て、与えられたクラスからオブジェクトの場所を見つけることを目指しています。 強化学習アルゴリズムを用いてエージェントのポリシーを学習することを提案する。 我々の重要な貢献は、視覚ナビゲーションタスクのための新しい注意確率モデルである。
  論文  参考訳（メタデータ） (2021-04-20T07:39:52Z)
• SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
  マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。 観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-18T03:40:25Z)
• Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
  本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。 本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
  論文  参考訳（メタデータ） (2020-07-01T17:52:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。