co-attention | BriefGPT - AI 论文速递

关键词co-attention

搜索结果 - 15

HCAM -- 多模态情感识别的层级交叉关注模型
本文提出了一种基于 HCAM 方法的跨模态情绪识别模型，使用神经网络模型组合音频和文本数据，在 IEMOCAP、MELD 和 CMU-MOSI 三个数据集上达到了最先进的结果。
PDFa year ago
级联自注意力和互注意力块的视觉问答
本文提出了一种通过视觉和文本模态的密集交互来学习改进的多模态表示的模型，其 attention block 包含自我注意力和共注意力，旨在提高视觉问题回答任务的性能。该模型在 VQA2.0 和 TDIUC 数据集上经过基准测试，并通过消融分
PDFa year ago
基于知识感知的多模态情感识别贝叶斯共同关注
该研究提出了使用贝叶斯注意力模块（BAM）来增强来自不同模态的预先训练模型的协同注意力融合，以有效融入外部情感相关知识以学习情感相关知识，实验证明该方法能够超过最先进方法至少 0.7 个百分点的准确度。
PDFa year ago
公共智慧至关重要！针对社交文本分类的语境感知双曲傅立叶共同注意力模型
通过结合公共话语、超几何图谱和傅里叶注意力机制，提出了一个能够推广社交文本分类任务的模型 Hyphen，并在假新闻、仇恨言论、谣言和讽刺等四项社交文本分类任务中取得了最先进的结果。
PDF2 years ago
AAAI面向微视频推荐的多兴趣高阶交互建模
提出了一种自我上下文关注模块来增强用户的兴趣表示，首先使用共同关注来对不同级别之间的相关模式进行建模，然后利用自我关注对特定级别内的相关模式进行建模。实验证明，该模块是有用的。
PDF3 years ago
ACLSemEval-2021 任务 4 中的 XRJL-HKUST：基于 WordNet 增强的双重多头共注意力模型用于抽象含义的阅读理解
该论文介绍了我们的系统如何结合大型预训练语言模型和双重多头互注意力层以加强问题 - 答案对与段落之间的关系，在此基础上通过增加层归一化模块和 WordNet 的定义作为额外输入来优化我们的模型，从而在 SemEval 2021 Task
PDF3 years ago
用于解释双模态和编码器 - 解码器 transformers 的通用注意力模型可解释性
本文提出了第一个用于解释任何基于 Transformer 结构的预测的方法，包括双模态 Transformers 和具有协同注意力的 Transformers，通过考虑并行的多个注意力图来突出与模型输入预测相关的信息。我们将这种通用的解决方
PDF3 years ago
ECCV学习完整电影中的预告片片段
本研究中，我们提出了一种利用预发布的电影预告片作为弱监督来检测电影关键时刻的模型。我们引入了一种新颖的排名网络，利用电影和预告片之间的共同关注作为指导，生成高度相关的训练数据对，并提出了一种对特征表示进行增强的对比关注模块，使关键和非关键时
PDF4 years ago
通过联合注意力的递归融合实现音视频事件定位
本研究提出了一种新的多模态融合联合注意力机制，能够有效地从视听特征中学习联合表示，并通过递归式联合协同作用持续改进，从而在音视频事件定位任务中取得了明显的成果。
PDF4 years ago
CVPR挖掘跨图像语义进行弱监督语义分割
该论文研究了只从图像级别监督中学习语义分割的问题，引入了两个神经协同注意力机制来补充地捕捉跨图像的语义相似性和差异性，提高了物体模式学习和语义分割的性能，并在不同的 WSSS 设置下实现了最先进的性能。
PDF4 years ago
IJCAI关系视觉推理中的动态语言绑定
本文提出了一种首个跨越视觉和文本领域的动态关系结构的神经推理方法，可在视觉问答中应用，采用其动态结构反映不断演变的推理上下文，发现有助于多步知识组合和优化的动态图优化问题求解能力。
PDF4 years ago
AAAICo-Attention Hierarchical Network：为阅读理解生成连贯的长干扰文本
该论文提出了一种基于神经网络的方法来生成阅读理解中的干扰选项，采用了注意力机制和语义相似度损失来提高干扰选项的生成质量，实验结果表明，该方法的表现优于其他基线方法。
PDF5 years ago
基于共同关注机制的神经网络模型用于根据来源进行论文评分
本文报道了使用基于共同注意力的神经网络进行依赖于来源的文章评分的研究。研究结果表明，该模型提供了可靠的依赖于来源的文章评分预测，并在两个依赖于来源的响应语料库上优于基准模型，而且其注意力与专家意见相似，具有高度的准确性。
PDF5 years ago
CVPR视觉问答的深度模块化协同注意力网络
本文提出了一种深度 Modular Co-Attention Network 模型，用于有效处理 Visual Question Answering 中的 co-attention 问题，并在评估中显示了显著优于其他方法的性能。
PDF5 years ago
NIPS视觉问答的层次化问题 - 图像协同注意力
通过建立视觉注意力和问题注意力相结合的协作注意力模型，使用新型一维卷积神经网络来在分层结构中处理问题，从而使 VQA 数据集上的性能从 60.3％提高到 60.5％，并且在 COCO-QA 数据集上从 61.6％提高到 63.3％。在加入
PDF8 years ago