adaptive fusion | BriefGPT - AI 论文速递

关键词adaptive fusion

搜索结果 - 7

OmniBind: 教授建立不等比例模态互动以实现全方位绑定
通过提出 OmniBind 框架，该研究解决了多模态学习中训练和推理阶段模态组合不匹配和尺度不均衡的问题，通过跨模态对齐蒸馏和自适应融合模块，实现了任意模态组合和统一表示空间的学习，具有较高的性能提升。
PDFa month ago
CVPR选择性立体：自适应频率信息选择用于立体匹配
基于选择性循环单元（SRU）和上下文空间注意力（CSA）模块的选择性立体匹配方法能够同时捕捉边缘的高频信息和平滑区域的低频信息，以减少细节丢失、边缘模糊和纹理区域的错误匹配。
PDF4 months ago
探索视觉 Transformer 层在语义分割中的选择
本文提出了一种名为 ViTController 的网络结构，用于动态自适应融合和特征选择，优于以往方法，可作为插件模块插入不同的网络。
PDFa year ago
RAPS: 一种新的 Few-Shot 关系抽取管道，具有查询信息指导的注意力和自适应原型融合
本文提出了一种基于查询信息引导的注意力和自适应原型融合的新型流程 RAPS，以更有效地泛化到新的关系，该方法在 FewRel 1.0 数据集上取得了显著的改进，优于现有最先进方法。
PDF2 years ago
基于注意力机制的图聚类网络
提出了一种名为注意力驱动图聚类网络（AGCN）的深度聚类方法，它利用异质性智能融合模块动态融合节点属性特征和拓扑图特征，并开发了一个分别针对不同层嵌入的多尺度特征进行自适应聚合的规模智能融合模块，通过联合学习特征和聚类分配，可以更加灵活有效
PDF3 years ago
融合距离和立体数据用于高分辨率场景建模
本文采用最大后验概率方法将低分辨率深度数据与高分辨率立体数据相结合，通过层次求解一系列局部能量最小化问题来产生深度图。通过新的相关函数、自适应成本聚合步骤以及基于场景纹理和摄像机几何的自适应融合方法，提出了一种精度更高的种子生长方法，避免了
PDF4 years ago
揭开深度跟踪的力量
探究深度特征在目标跟踪中的局限性及其与手工特征关系，提出融合深度与浅层特征的自适应方法以提高跟踪的鲁棒性和准确性，并在四个数据集上进行实验证明该方法相较于当前最优跟踪算法有 17% 的提升。
PDF6 years ago