- …
- …
#20
summarized by : Yue Qiu
どんな論文か？
新しいEmbodied AI＋Vision-Languageのためのタスク(InstructionをFollowし，指定された物体を候補領域から探し出すタスク)，そのタスクのためのデータセット及び手法の提案．
新規性
Embodied 系のVision-Languageの最初となるinstruction followingとreferring expressionを結合したタスク、データセットの提案．
提案のデータセットで従来手法をBenchmarkし，既存手法がこのタスクに対してHuman精度との間に大きなギャップが存在．
結果
①提案のInteractive Navigator-Pointer ModelがNavigation及びRefering expressionにおいて既存手法と比べ最も高い精度を達成；②特にUnseenシーンに対してのロバスト性を示した．
その他（なぜ通ったか？等）
instruction followingとreferring expressionの結合は①実世界のロボットアプリで重要となる；②比較的にFundamentalで、シンプルなタスクの提案；
- …
- …