encoder-decoder structure | BriefGPT

关键词encoder-decoder structure

搜索结果 - 21

面具适应性门控卷积和双向渐进融合网络用于深度补全
基于编码器 - 解码器结构的新型深度补全模型提出了两个关键组件：MagaConv 架构和 BP-Fusion 模块。其中，MagaConv 架构通过使用迭代更新的遮罩调制卷积运算来获取精确的深度特征，而 BP-Fusion 模块通过在全局视
PDF6 months ago
密集预测的多任务学习中特征交互的重新思考
通过学习综合的中间特征，将任务通用特征和任务特定特征相结合，提出了一种新的桥特征中心交互方法，通过桥特征生成器生成强桥特征，利用任务模式传播确保高质量的任务交互参与者，再利用任务特征细化器从桥特征中提炼知识来改进最终的任务预测结果。在实验中
PDF6 months ago
低分辨率自注意力用于语义分割
本文介绍了一种使用低分辨率自注意力机制的视觉 Transformer 模型，以较低的计算成本捕捉全局上下文，并在 ADE20K、COCO-Stuff 和 Cityscapes 数据集上表现出优于现有模型的性能。
PDF9 months ago
全局上下文聚合网络用于轻量级表面缺陷显著性检测
表面缺陷检测是一个具有挑战性的任务，传统高精度的缺陷检测方法通常需要昂贵的计算和存储成本。因此，本文提出了一种基于编码 - 解码结构的全局上下文聚合网络 (GCANet) 来实现轻量级表面缺陷的显著性检测。GCANet 在轻量级骨干网络的顶
PDF9 months ago
双域引导的实时超高清交通监控低光照图像增强
提出了一种用于超高清晰度交通监控的双域引导实时低光图像增强网络（DDNet），通过编码器 - 解码器结构将增强处理分为两个子任务（即颜色增强和梯度增强），实现了对颜色和边缘特征的同时增强，能够提高在低光环境下转运监控的图像处理效率和质量，并
PDF10 months ago
MFPNet: 轻量级语义分割的多尺度特征传播网络
我们提出了一种新颖的轻量级分割架构，名为多尺度特征传播网络 (MFPNet)，通过设计具有柔性瓶颈残差模块的鲁棒的编码器 - 解码器结构，探索深入且丰富的多尺度语义上下文，同时利用图卷积网络 (GCNs)，在瓶颈残差模块之间进行多尺度特征传
PDF10 months ago
形变变换器用于视觉跟踪的高效训练
DETRack 是一种高效的端到端视觉目标跟踪框架，利用编码器 - 解码器结构和可变形 Transformer 解码器作为目标头，显著减少了 GFLOPs 并通过新颖的一对多标签分配和辅助去噪技术加快了模型的收敛速度。实验证实了该方法的有效
PDF10 months ago
DTrOCR：解码器专用的 Transformer 用于光学字符识别
通过使用 Decoder-only Transformer 作为生成式语言模型，本研究提出了一种相对简单而有效的文本识别方法 DTrOCR，实验结果表明 DTrOCR 在识别印刷、手写和场景文本方面比当前的最先进方法表现出更好的性能。
PDF10 months ago
SEA：一种用于多智能体强化学习的空间显式架构
本文提出了一种空间信息提取结构，能够针对多智能体强化学习问题中智能体数量变化和规模巨大等问题，通过编码器 - 解码器结构有效地共享邻域和全局信息。该方法遵循中央训练和分散执行（CTDE）模式，并可以应用于各种现有的主流强化学习算法，在细微修
PDFa year ago
SPFNet：用于语义分割的子空间金字塔融合网络
该研究提出了一种 Subspace Pyramid Fusion Network (SPFNet) 的编码解码结构，旨在提高像素级分割的性能，并采用多尺度 / 全局上下文信息进行上下文聚合，通过实验结果表明该方法在语义分割方面与其他现有技术
PDF2 years ago
CVPR通过运动理解从单个模糊图像中恢复视频帧
该论文介绍了一种基于编码器 - 解码器结构的视频清晰化方法，通过将视频序列和运动因素作为潜在因素，将单个模糊图像作为观察值，设计了一种损失函数和正则化器，经过大量实验验证了该方法的有效性和可转移性。
PDF3 years ago
ICCV学习手绘张量空间，用于红缺修复的人工场景图像
本文研究了修复人造场景图像（inpainting）的任务，提出了学习 Sketch Tensor（ST）空间，以恢复图像中的边缘、线条和交点，并使用多尺度 Sketch Tensor inpainting（MST）网络进行结构细化，实现了很
PDF3 years ago
AAAI基于解耦式编码 - 解码网络的视觉 - 语言预训练中的定时采样
本文提出了一种两流解耦设计的编码器 - 解码器架构，使用预训练的编码器 - 解码器结构进行同时视觉语言理解和生成预训练，使用预训练策略优化编码器和解码器，具有良好的泛化性能。
PDF3 years ago
弥合语音到文本翻译的模态差距
提出了一种称作 STAST 的语音转写自适应模型，通过分离语音翻译编码器为三个部分以及引入跨模态自适应方法来缩小语音和文本的模态差距，进而在英法和英德语音翻译数据集上实现了显著的性能优越。
PDF4 years ago
自动 GIF 字幕：用于视觉语言预训练的大规模视频句子数据集
Auto-captions on GIF 是一个新的大规模预训练数据集，可用于视频理解、视频字幕生成等下游任务的通用特征表示或编码器 - 解码器结构的预训练。通过 Auto-captions on GIF 数据集，我们还对基于 Transf
PDF4 years ago
为知识追踪寻找适当的查询、关键字和值计算方案
本研究提出了一种新颖的 Transformer 模型 SAINT 用于知识追踪，并在大规模数据集上证明其相比于当前最先进模型提高了 1.8% 的 AUC 性能表现；该模型具有编码器 - 解码器结构，通过将练习和回答嵌入序列分别进入编码器和解
PDF4 years ago
单图像去噪的空间自适应网络
本文提出了一种新颖的空间自适应去噪网络（SADNet），使用卷积神经网络，设计了残差空间自适应块，在采样时引入可变变形卷积以加权样本的空间相关特征，并引入了具有上下文块的编码器 - 解码器结构以捕获多尺度信息，通过从粗到细的噪声去除，可以获
PDF4 years ago
ICCV使用外推算法进行超长自然景观图像预测
该研究设计了具有创新模块的编解码器结构，包括跳过水平连接和循环内容传递，实现了高质量、实时和高效的图像外描绘预测，同时能够根据给定的输入生成风格和语义内容相同的非常长的图像。在收集的新景观数据集上进行的实验结果表明该提出的架构具有很高的效能
PDF5 years ago
AAAI基于优质感知掩码语言模型的中国古诗生成迭代优化框架
本文提出一个新的迭代润色框架，用于高水平的中国诗歌自动生成，该框架基于编码 - 解码结构并使用 Quality-Aware Masked Language Model 进行诗歌的润色，该模型结构能够将全局上下文信息融入到润色过程中。同时，使
PDF5 years ago
RepeatNet：面向会话型推荐的重复感知神经推荐机器
本论文提出了一种新模型 RepeatNet，该模型可在用户历史记录中选择项目，并在正确的时间向用户推荐以处理重复推荐场景，并在三个基准数据集上展示了超过现有基线方法的性能提升。
PDF6 years ago