end-to-end | BriefGPT - AI 论文速递

关键词end-to-end

搜索结果 - 161

使用多模式分层交叉注意力模型标记在线视频中的喜剧恶作剧内容
我们提出了一种新颖的端到端多模态系统用于探测在线媒体中的可疑内容，特别是针对喜剧恶作剧这一子类别。
PDF18 days ago
ExACT: 一种使用 Transformer 进行操作分块的端到端自主挖掘机系统
通过模仿学习方法和最少一组人类演示，ExACT 是构建完全自主挖掘机系统的首个实例，其能够完成不同的挖掘任务。
PDF2 months ago
AdaFPP: 面向适应性活动识别的双向传播原型学习
通过学习适应不同尺寸的被遮挡人员的检测器并采用多粒度原型作为假设任务的方式，我们提出了一种名为 AdaFPP 的全新的自适应聚焦双向原型学习框架，用于在全景活动场景中联合识别个体、群体和全局活动。
PDF2 months ago
RE-RecSys: 一个房地产领域的推荐属性的端到端系统
我们提出了一个实时房地产推荐系统，RE-RecSys，它已在实际产业环境中实施。我们基于可用的历史数据将用户分为四个类别：i）冷启动用户；ii）短期用户；iii）长期用户；和 iv）短长期用户。对于冷启动用户，我们提出了一种基于地区热度和用
PDF2 months ago
WROOM: 一种用于越野导航的自主驾驶方法
使用自定义的模拟器和强化学习系统，在 Unity 游戏引擎中为自主车辆设计了一个端到端的深度强化学习解决方案，通过基于奖励的训练和控制栏函数，帮助智能体在真实场景中进行泛化，并通过提出的模拟环境在实际 RC 汽车上部署该方法。
PDF3 months ago
自我检索：运用一种大型语言模型构建信息检索系统
本文提出了自助检索 (Self-Retrieval) 的一种端到端、以大型语言模型为驱动的信息检索架构，能够充分内化信息检索系统所需的能力到一个单一的大型语言模型，深度利用语言模型在信息检索过程中的能力。实验结果表明，自助检索不仅在很大程度
PDF4 months ago
S^2Former-OR：单阶段双模态变压器用于目标剧情生成
本研究介绍了一种新颖的单阶段双模态变压器框架用于手术室中的场景图生成，名为 S^2Former-OR，旨在以端到端的方式辅助利用多视角的 2D 场景和 3D 点云进行场景图生成。通过引入视图同步转运方案促进多视角视觉信息交互，设计几何视觉凝
PDF4 months ago
GenAD: 生成式端到端自动驾驶
提出了一个新的端到端自动驾驶范式，自动驾驶的关键在于预测自车和周围环境随着时间的演变，通过生成建模问题通过 GenAD 框架，模型了自动驾驶问题，并在广泛使用的 nuScenes 基准测试中取得了高效的最新成果。
PDF4 months ago
ViewFusion: 学习可组合的扩散模型用于新视角合成
通过深度学习，本研究提出了一种新颖的视角合成方法 ViewFusion，其以端到端的生成方式灵活地综合多个输入视角，消除噪声并生成高质量的视角，相较于现有方法具有更好的泛化性能和适用性。
PDF5 months ago
重叠感知的端到端监督层次图聚类用于发言人分离
通过图神经网络的端到端监督分层聚类算法（E-SHARC）可以改善目前状态下的说话人辨别系统，特别是在重叠语音区域的预测上。
PDF5 months ago
SEGIC: 在上下文中释放出的新出现对应方法实现的分割
利用上下文分割框架（SEGIC）的元学习和端到端设计，可以实现在只有少数示例图像的情况下对新图像进行分割，并显著降低标记和训练成本，同时在一次性分割基准测试中取得最先进的性能。
PDF7 months ago
基于动态网格方法的 MMPDE-Net 与移动采样物理推断神经网络
提出了一个基于移动网格偏微分方程方法的端到端自适应采样神经网络（MMPDE-Net），通过求解移动网格偏微分方程来自适应生成采样点的新坐标。与 PINN 结合形成 MS-PINN，通过四个典型例子的数值实验验证了我们方法的有效性。
PDF8 months ago
JRDB-Traj：人群轨迹预测数据集与基准
通过引入一个新的数据集和评估标准，这篇论文介绍了一种用于自主导航系统中轨迹预测的模型，旨在解决实际应用场景中隔离模型所面临的挑战，并促进对导航动态的深入理解。
PDF8 months ago
MO-YOLO: 基于 YOLO 和 MOTR 的端到端多目标跟踪方法
该论文提出了一种高效、资源利用率高的端到端多目标跟踪模型 MO-YOLO，通过结合 YOLO 和 RT-DETR 模型的优势，构建了一种高效、轻量级的多目标跟踪网络，为多目标跟踪领域提供了新的机会。
PDF8 months ago
CoBEV：利用深度和高度互补提升路边三维物体检测
路边基于摄像头的三维物体检测是智能交通系统中的一个重要任务，该研究提出了一种新的端到端单目三维物体检测框架 —— 互补 BEV（CoBEV），融合深度和高度信息，构建了强大的 BEV 表示，实现了一系列性能的提升，同时在具有挑战性的长距离场
PDF9 months ago
面向稳健和无约束全旋转角度头部姿态估计
使用旋转矩阵法进行端到端的头部姿态预测，通过引入连续 6D 旋转矩阵表示法和地理损失方法来有效学习头部旋转外观并克服当前最先进方法的限制，从而大幅提高头部姿态预测的范围和稳定性。
PDF10 months ago
通过下采样声学表示进行端到端语音识别的纯文本领域自适应
本研究旨在通过引入一个连续的整合 - 发火 (CIF) 模块，从而实现将语音和文本这两种形式的信息映射到共享表示空间，以提高自动语音识别 (ASR) 在新领域中的性能。通过将一个具有一致语音标记长度的 CIF 模块与基于文本的 ASR 模型
PDF10 months ago
3D-STMN: 基于依赖驱动的超点 - 文本匹配网络用于端到端 3D 引用表达式分割
3D-RES 中，采用了一个创新的端到端 Superpoint-Text Matching Network (3D-STMN)，该网络通过依赖驱动的洞察力丰富而充实。我们的模型具有超点文本匹配机制，该机制通过将语言指示与其对应的类别超点直接
PDF10 months ago
具有几何先验的变形鲁棒文本识别
通过构建具有形状变形和字体多样性的中国艺术数据集，提出了一种变形鲁棒的文本定位方法 (DR TextSpotter)，该方法利用几何先验模块和图卷积网络融合字符特征和标记特征，并进行语义推理以增强对不同字符的区分，实验证明了该方法的有效性。
PDF10 months ago
M3PS：电子商务中的端到端多粒度多模态属性感知产品摘要
提出了一种多模态属性感知的端到端多粒度多模态产品摘要方法 (M3PS)，用于在电子商务中生成高质量的产品摘要，并且能够克服现有的产品摘要方法存在的问题。
PDF10 months ago