論文の概要: FlowDec: Temporal Conditional Flow Decorruptor for Robust Continuous Vision-Language Navigation
- arxiv url: http://arxiv.org/abs/2606.22424v2
- Date: Tue, 23 Jun 2026 03:11:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:16:48.453168
- Title: FlowDec: Temporal Conditional Flow Decorruptor for Robust Continuous Vision-Language Navigation
- Title（参考訳）: FlowDec:ロバストな連続ビジョンランゲージナビゲーションのための時間的条件付きフローデストーラ
- Authors: Yufei Zhang, Changhao Chen,
- Abstract要約: VLN-CE(Vision-and-Language Navigation in Continuous Environments)では、エージェントが見えないシーンで自然言語の指示に従う必要がある。
本稿では,LMベースのVLN-CEに適した画像復元フレームワークであるFlowDecについて紹介する。
FlowDecは、ナビゲーション精度と生成遅延の両方において、最先端の破壊方法よりも優れています。
- 参考スコア（独自算出の注目度）: 8.00310534826872
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-and-Language Navigation in Continuous Environments (VLN-CE) requires agents to follow natural-language instructions in unseen scenes. While Large Models (LMs) have advanced VLN-CE, their performance remains severely degraded by real-world visual corruptions, a critical yet underexplored domain constraint. We introduce Temporal Conditional Flow Decorruptor (FlowDec), a novel image restoration framework tailored for LM-based VLN-CE. FlowDec integrates a hybrid temporal conditioning strategy to align the generative flow path with historical context and employs action-centroid guided filtering to dynamically assess and integrate outputs. Extensive experiments demonstrate that FlowDec outperforms state-of-the-art decorruption methods in both navigation accuracy and generation latency. Our approach establishes a robust, efficient paradigm for resilient embodied navigation in unpredictable real-world conditions.
- Abstract（参考訳）: VLN-CE(Vision-and-Language Navigation in Continuous Environments)では、エージェントが見えないシーンで自然言語の指示に従う必要がある。
大規模モデル(LM)はVLN-CEを進化させてきたが、その性能は現実世界の視覚的腐敗によって著しく低下している。
本稿では,LMベースのVLN-CEに適した画像復元フレームワークFlowDecを紹介する。
FlowDecは、生成フローパスを歴史的なコンテキストと整合させるために、ハイブリッドな時間的条件付け戦略を統合し、アクションセントロイド誘導フィルタリングを使用して出力を動的に評価し、統合する。
大規模な実験では、FlowDecはナビゲーション精度と生成遅延の両方で最先端の破壊手法より優れています。
提案手法は,予測不可能な実環境下でのレジリエントなエンボディドナビゲーションのための,堅牢で効率的なパラダイムを確立する。
関連論文リスト
- LC-Flow: Learning Local Continuous Optical Flow and Confidence from events [5.146238489510258]
イベントカメラは、マイクロ秒の解像度で非同期に明るさ変化をキャプチャするが、既存の光学フロー法では、この時間的連続性を利用できない。
ローカルイベントから純粋に動作する時間連続学習型光フロー推定器である textbfLC-Flow を提案する。
論文 参考訳（メタデータ） (2026-05-23T14:42:24Z) - FlowIt: Global Matching for Optical Flow with Confidence-Guided Refinement [44.07406912385784]
FlowItは光フロー推定のための新しいアーキテクチャである。
大きなピクセルの変位を頑健に扱えるように設計されている。
競合するSintelとKITTIのベンチマークで最先端の結果が得られる。
論文 参考訳（メタデータ） (2026-03-30T17:58:12Z) - NavMorph: A Self-Evolving World Model for Vision-and-Language Navigation in Continuous Environments [67.18144414660681]
VLN-CE(Vision-and-Language Navigation in Continuous Environments)は、自然言語命令によって誘導される複雑な環境において、エージェントがシーケンシャルなナビゲーションアクションを実行する必要がある。
人間の認知にインスパイアされたNavMorphは、VLN-CEタスクにおける環境理解と意思決定を強化する自己進化型世界モデルフレームワークである。
論文 参考訳（メタデータ） (2025-06-30T02:20:00Z) - VLN-R1: Vision-Language Navigation via Reinforcement Fine-Tuning [77.34267241692706]
Vision-Language Navigation(VLN)は、エージェントが自然言語命令を使用して現実世界の環境をナビゲートする必要がある、AIの実施における中核的な課題である。
本稿では、LVLM(Large Vision-Language Models)を利用して、エゴセントリックな動画ストリームを連続的なナビゲーションアクションに変換するエンドツーエンドフレームワークであるVLN-R1を提案する。
論文 参考訳（メタデータ） (2025-06-20T17:59:59Z) - GC-ConsFlow: Leveraging Optical Flow Residuals and Global Context for Robust Deepfake Detection [23.05634856249282]
ディープフェイク技術は、高度にリアルに操作されたビデオの生成を可能にし、深刻な社会的および倫理的課題を提起している。
既存のディープフェイク検出方法は、主に空間的または時間的不整合に焦点を合わせ、両者の相互作用を無視した。
本稿では,空間的特徴と時間的特徴を効果的に統合し,堅牢なDeepfake検出を実現する新しい2重ストリームフレームワークであるGC-ConsFlowを提案する。
論文 参考訳（メタデータ） (2025-01-23T07:43:56Z) - AccFlow: Backward Accumulation for Long-Range Optical Flow [70.4251045372285]
本稿では、長距離光フロー推定のためのAccFlowと呼ばれる新しいリカレントフレームワークを提案する。
従来の前方累積よりも後方累積の方が優れていることを示す。
長距離光流量推定におけるAccFlowの有効性を検証する実験
論文 参考訳（メタデータ） (2023-08-25T01:51:26Z) - Self-Supervised Learning of Non-Rigid Residual Flow and Ego-Motion [63.18340058854517]
動的3次元シーンに対する非剛性残留流とエゴ運動流の連成推定によるエンドツーエンドのシーンフロー学習法を提案する。
我々は、点クラウドシーケンスの時間的一貫性性に基づいて、自己監督的な信号で教師付きフレームワークを拡張した。
論文 参考訳（メタデータ） (2020-09-22T11:39:19Z)
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。