arXiv Computer Vision· Zixu Wang, Huaquan Zhang, Shoukai Xu, Jinwu Hu, Zhiquan Wen, Mingkui Tan·· 3 小时前AI 评分22
FETA：面向视觉语言导航的高效反馈测试时自适应方法
Asking Less, Adapting Better: Feedback-Efficient Test-Time Adaptation for Vision-and-Language Navigation
AI 导读
FETA 是一种面向视觉语言导航（VLN）的反馈高效测试时自适应方法，通过分层样本选择定位信息量大的样本，减少人工干预。该方法先筛选归一化策略熵波动较大的轨迹，再用熵梯度显著性准则选出关键动作并仅查询一次二元反馈，随后用差异感知熵优化目标只在被查询步骤更新策略。多基准实验显示 FETA 在更少人工干预下达到 SOTA，并在噪声反馈与持续自适应场景下保持稳健。
来源：arXiv Computer Vision · arxiv.org