MG-Nav:基于稀疏空间记忆的双尺度视觉导航 / MG-Nav: Dual-Scale Visual Navigation via Sparse Spatial Memory
1️⃣ 一句话总结
这篇论文提出了一个名为MG-Nav的双尺度视觉导航框架,它通过一个紧凑的稀疏空间记忆图来统一全局路径规划和局部避障控制,无需针对特定场景进行训练,就能在陌生环境中实现高效、鲁棒的导航。
请先 登录 后再提交论文
MG-Nav:基于稀疏空间记忆的双尺度视觉导航 / MG-Nav: Dual-Scale Visual Navigation via Sparse Spatial Memory
这篇论文提出了一个名为MG-Nav的双尺度视觉导航框架,它通过一个紧凑的稀疏空间记忆图来统一全局路径规划和局部避障控制,无需针对特定场景进行训练,就能在陌生环境中实现高效、鲁棒的导航。
NAF:通过邻域注意力滤波实现零样本特征上采样 / NAF: Zero-Shot Feature Upsampling via Neighborhood Attention Filtering
这篇论文提出了一种名为NAF的零样本特征上采样方法,它通过学习自适应权重来提升任意视觉基础模型生成的低分辨率特征图,无需重新训练就能在多个任务中达到最先进的性能,同时保持高效率。
NER检索器:基于类型感知嵌入的零样本命名实体检索 / NER Retriever: Zero-Shot Named Entity Retrieval with Type-Aware Embeddings
这篇论文提出了一种无需预定义实体类型、直接根据用户描述检索相关实体的新方法,通过优化大语言模型内部表示并训练轻量级网络,实现了高效且灵活的零样本实体检索。
M3Ret:通过自监督实现零样本多模态医学图像检索 / M3Ret: Unleashing Zero-shot Multimodal Medical Image Retrieval via Self-Supervision
这项研究提出了一种名为M3Ret的统一自监督学习框架,无需针对不同医学图像模态定制模型,就能在零样本条件下高效检索2D、3D和视频等多种类型的医学图像,并展现出对未见过模态的泛化能力。