파노라마의 중복과 빈 부분
개별 파노라마를 따로 처리하면 서로 겹치거나 덜 보인 관측의 관계를 모델이 암묵적으로 추론해야 한다. BEVBert는 이를 명시적인 지도에 모아 공간 이해를 돕는다.
지역 지도와 전역 의존성
지역의 거리 지도는 불완전한 관측을 집계하고 중복을 줄인다. 전역 위상 지도는 이동 경로의 의존 관계를 표현해 짧은 추론과 긴 계획을 함께 다룬다.
지도 표현의 사전 학습
결합한 지도 위에서 다중 모달 표현을 배우는 사전 학습 체계를 사용한다. 언어와 시각의 대응뿐 아니라 공간 관계를 반영한 추론을 강화하려는 방향이다.
비교 범위
논문은 네 시각 언어 이동 벤치마크에서 지도 기반 사전 학습의 효과를 평가했다. 지도 정보를 어떻게 구성하는지와 대상 과제의 관측 조건을 맞춰서 다른 방법과 비교해야 한다.
관련 문서
ETPNav / DUET 이동 모델 / HAMT / PREVALENT / 위상 지도 / VLN-CE