論文の概要: Turning Adaptation into Assets: Cross-Domain Bridging for Online Vision-Language Navigation

• arxiv url: http://arxiv.org/abs/2605.23257v1
• Date: Fri, 22 May 2026 05:59:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.215818
• Title: Turning Adaptation into Assets: Cross-Domain Bridging for Online Vision-Language Navigation
• Title（参考訳）: 適応をアセットに変換する:オンラインビジョンランゲージナビゲーションのためのクロスドメインブリッジ
• Authors: Zixuan Hu, Xuantuo Huang, Yancheng Li, Yichun Hu, Shengyong Xu, Ling-Yu Duan,
• Abstract要約: 本稿では、視覚・言語ナビゲーション(VLN)エージェントのための新しいテスト時間適応(TTA)フレームワークとして、履歴アセット(IDEA)を用いたドメイン間ブリッジ(Inter-Domain BridgE)を提案する。 IDEAは適応を資産の蓄積と構成に変換する。 REVERIE、R2R、R2R-CEベンチマークにわたる大規模な実験は、既存のメソッドよりもIDEAが一貫した優位性を示している。
• 参考スコア（独自算出の注目度）: 24.003138966474726
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Navigating under non-stationary environment shifts poses a critical challenge for a Vision-and-Language Navigation (VLN) agent deployed in the wild. Yet, existing Test-Time Adaptation (TTA) methods for VLN largely treat online adaptation as transient, isolated updates, leading to catastrophic forgetting and negative transfer. To overcome these issues, we propose Inter-Domain BridgE with Historical Assets (IDEA), a novel TTA framework that transforms adaptation into the accumulation and composition of assets. Specifically, IDEA introduces soft prompts optimized via a Fisher-guided weighting scheme to capture the transferable knowledge. These optimized prompts are then augmented with domain coordinates to form a dynamic asset library. Leveraging this library, IDEA constructs a cross-domain bridge by projecting the target domain onto the convex hull of historical knowledge. These designs form a complementary loop: the evolving library underpins bridge construction, while the bridge provides superior initialization to accelerate asset optimization. Extensive experiments across REVERIE, R2R, and R2R-CE benchmarks demonstrate the consistent superiority of IDEA over existing methods, showcasing its ability to enable training-free adaptation via asset sharing.
• Abstract（参考訳）: 非定常環境シフトの下でのナビゲーションは、野生に配備されたビジョン・アンド・ランゲージ・ナビゲーション(VLN)エージェントにとって重要な課題となる。 しかし、既存のVLNのTest-Time Adaptation (TTA)メソッドは、オンライン適応を過渡的で孤立した更新として扱い、破滅的な忘れ込みと負の転送をもたらす。 これらの課題を克服するために、我々は、適応を資産の蓄積と構成に変換する新しいTTAフレームワークである、歴史的資産を伴うドメイン間ブリッジ(IDEA)を提案する。 特にIDEAは、フィッシャー誘導重み付け方式によって最適化されたソフトプロンプトを導入し、伝達可能な知識をキャプチャする。 これらの最適化されたプロンプトは、動的アセットライブラリを形成するためにドメイン座標で拡張される。 このライブラリを利用することで、IDEAは、ターゲットドメインを歴史的な知識の凸殻に投影することで、クロスドメインブリッジを構築する。 これらの設計は補完的なループを形成し、進化するライブラリは橋の建設を支え、橋は資産最適化を加速するために優れた初期化を提供する。 REVERIE、R2R、R2R-CEベンチマークにわたる大規模な実験は、既存のメソッドよりもIDEAが一貫した優位性を示している。

関連論文リスト

• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
  IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。 本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T14:36:46Z)
• DART: Dual Adaptive Refinement Transfer for Open-Vocabulary Multi-Label Recognition [59.203152078315235]
  Open-Vocabulary Multi-Label Recognition (OV-MLR)は、画像内の複数の見えないオブジェクトカテゴリを識別することを目的としている。 ビジョンランゲージ事前学習モデルは強力なオープン語彙基盤を提供するが、弱い監督下では微粒な局所化に苦慮する。 本稿では,これらの制約を克服するためのDART(Dual Adaptive Refinement Transfer)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-07T17:22:33Z)
• Generating Vision-Language Navigation Instructions Incorporated Fine-Grained Alignment Annotations [4.483463511271561]
  Vision-Language Navigation (VLN)は、視覚認識と自然言語命令を統合することで、インテリジェントエージェントが環境をナビゲートすることを可能にする。 既存のデータセットは、主にグローバルな命令-軌道マッチング、サブインストラクションレベルとエンティティレベルのアライメントを無視している。 FCA-NIGは2段階の微粒なクロスモーダルアノテーションでナビゲーション命令を自動生成するフレームワークである。
  論文  参考訳（メタデータ） (2025-06-10T08:36:51Z)
• Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence [60.37934652213881]
  ドメイン適応(DA)は、ソースドメインから関連するターゲットドメインへの知識伝達を容易にする。 本稿では、ソースデータフリーなアクティブドメイン適応(SFADA)という実用的なDAパラダイムについて検討する。 本稿では,学習者学習(LFTL)というSFADAの新たなパラダイムを紹介し,学習した学習知識を事前学習モデルから活用し,余分なオーバーヘッドを伴わずにモデルを積極的に反復する。
  論文  参考訳（メタデータ） (2024-07-26T17:51:58Z)
• Improving Source-Free Target Adaptation with Vision Transformers Leveraging Domain Representation Images [8.626222763097335]
  Unsupervised Domain Adaptation (UDA)メソッドは、ラベル付きソースドメインからラベル付きターゲットドメインへの知識転送を容易にする。 本稿では、キー、クエリ、値要素がViT結果にどのように影響するかを評価することから、ソースフリーなターゲット適応におけるViT性能を高める革新的な方法を提案する。 ドメイン表現画像(DRI)は、ドメイン固有のマーカーとして機能し、トレーニングレギュレータとシームレスにマージする。
  論文  参考訳（メタデータ） (2023-11-21T13:26:13Z)
• Test-time Adaptation in the Dynamic World with Compound Domain Knowledge Management [75.86903206636741]
  テスト時間適応(TTA)により、モデルは新しい環境に適応し、テスト時間中にパフォーマンスを向上させることができる。 TTAのいくつかの研究は、継続的に変化する環境において、有望な適応性能を示している。 本稿ではまず,複合ドメイン知識管理を用いた堅牢なTTAフレームワークを提案する。 次に、ソースと現在のターゲットドメイン間のドメイン類似性を用いて適応率を変調する新しい正規化を考案する。
  論文  参考訳（メタデータ） (2022-12-16T09:02:01Z)
• Transformer-Based Source-Free Domain Adaptation [134.67078085569017]
  本研究では,ソースフリードメイン適応(SFDA)の課題について検討する。 我々は、FDAの一般化モデルを学ぶためのTransformer(TransDA)という、汎用的で効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-28T23:06:26Z)
• Sequential Domain Adaptation through Elastic Weight Consolidation for Sentiment Analysis [3.1473798197405944]
  我々はSDA(Sequential Domain Adaptation)というモデルに依存しないフレームワークを提案する。 提案手法は,CNNのようなシンプルなアーキテクチャが,感情分析(SA)の領域適応において,複雑な最先端モデルより優れていることを示す。 さらに、ソースドメインのより難しい第1次反計算機的順序付けの有効性が最大性能に繋がることを示した。
  論文  参考訳（メタデータ） (2020-07-02T15:21:56Z)

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。