end-to-end architecture | BriefGPT

关键词end-to-end architecture

搜索结果 - 19

CNVSRC 2023 中的视觉语音识别的 NPU-ASLP-LiAuto 系统描述
本文介绍了 NPU-ASLP-LiAuto（第 237 队）在 2023 年中国连续视觉语音识别挑战赛中引入的视觉语音识别（VSR）系统，涉及单说话人 VSR 任务的固定和开放跟踪，以及多说话人 VSR 任务的开放跟踪。实验结果表明，在多系
PDF6 months ago
AAAI分层自蒸馏下的散点云理解的联合学习
本文提出了一种端到端的架构，用于处理和识别部分点云，具有层级自蒸馏和在部分分割任务上具有卓越性能的优势。
PDF6 months ago
VertDetect: 全自动三维椎体实例分割模型
本文提出了一种全自动的端到端三维椎体实例分割卷积神经网络模型 VertDetect，用于预测 CT 扫描中存在的所有椎体的椎体级别标签和分割，并通过使用脊柱的已知结构改善了椎体标注，取得了端到端架构的最先进性能，其设计可用于下游任务的特征提
PDF8 months ago
RHINO: 旋转 DETR 结合匈牙利匹配与动态降噪的目标检测方法
本文针对 DET 向有向物体检测的扩展做出首例有力的 DINO 基线，并提出了一种用于缓解重复预测的简单成本和匈牙利匹配的新型去噪策略，该模型的性能在 DOTA-v1.0 /v1.5 /v2.0 和 DIOR-R 基准测试中均达到了最先进水
PDFa year ago
StillFast: 一种短期物体交互预测的端到端方法
本研究提出了一种名为 StillFast 的端到端架构，从自我中心的视角研究了短期物体交互预测问题，在同时处理静态图像和视频的基础上，预测未来交互的动词并确定交互开始的时间，实验表明我们的方法在 EGO4D 数据集上表现优异，已在 EGO4
PDFa year ago
基于 Dessurt 的端到端文档识别与理解
Dessurt 是一种相对简单的文档理解变压器，它可以对比以往方法更多种类的文档任务进行微调。该模型能够自动识别文本，无需像以前的方法那样使用外部识别模型。并且 Dessurt 比以前的方法更灵活，能够处理各种文档领域和任务。研究表明，在九
PDF2 years ago
CLTR: 一种基于 Transformer 的细胞级表格检索与表格问答系统
本研究提出了一种基于 Transformer 的端到端表格问答系统，可以将自然语言问题和大量表格语料库输入，以检索最相关的表格并定位正确的单元格以回答问题．该系统可以生成复杂表格上的候选列和行的热图，并允许用户快速标识回答问题的正确单元格．
PDF3 years ago
CVPRRoof-GAN: 学习为住宅生成屋顶几何形状和关系
本文介绍了 Roof-GAN，一种新颖的生成对抗网络，它能够生成住宅屋顶结构的结构几何体系，作为一组屋顶基元及其关系。生成器将基元的数量转换成图形结构，生成一种有结构的屋顶模型，并在完全端到端的体系结构中使用判别器来评估基元栅格几何、基元关
PDF4 years ago
AAAIAda-Segment: 自适应多损失 Panoptic 分割
本文提出自适应分段（Ada-Segment）方法，通过自适应地调节多个培训损失，以涵盖多个目标，并以一个端到端的架构来概括性地处理分段任务，从而实现了对各种数据集的可靠泛化，成为目前的最优解。
PDF4 years ago
CVPR超越 VQA: 生成多词答案和解释来回答视觉问题
本文介绍了一种新的任务 ——ViQAR（视觉问题回答和推理），并提出了一种完全生成式的解决方案，它能够为视觉查询生成完整的答案和推理，我们通过定性和定量评估以及人类图灵测试表明，我们的模型能够生成强有力的答案和推理。
PDF4 years ago
ECCV使用隐式反投影到 3D 对来自任意相机架的图像进行编码的 Lift，Splat，Shoot
本文提出了一种新的端到端架构，能够直接从任意数量的相机图像数据中提取场景的鸟瞰图表示，并将其整合成单一的场景表示，该模型能够学习如何融合所有相机的预测结果，并针对密集表示进行运动规划。
PDF4 years ago
通过空间特征学习增强端到端多通道语音分离
本研究提出了一种基于 2d 卷积层的端到端架构，通过训练时域滤波器来学习从多通道语音波形中提取空间特征，使用互通卷积差分技术 (ICD) 提高多通道语音分离模型的分离性能。
PDF4 years ago
基于端到端的语音转文本翻译的比较研究
本文介绍了深度学习在语音到文本翻译领域的应用，主要研究了不同端到端架构以及辅助性连接主义时间分类（CTC）损失函数的使用，着重探讨了预训练模型对最终性能的影响，实验证明预训练模型可以使 BLEU 指标提高 4％，TER 指标提高 5％，并且
PDF5 years ago
面向任务型对话的灵活结构模型
本文提出了一种新颖的端到端体系结构，用于任务导向型对话系统，该体系结构基于简单实用但非常有效的序列到序列方法，以联合建模语言理解和状态跟踪任务，同时使用结构复制增强的顺序解码器和每个插槽的多标签解码器。在评估中，这种架构在剑桥餐厅数据集和斯
PDF5 years ago
CVPR后悔的智能体：借助进展估计的启发式导航
本文提出了一种基于可学习启发式搜索的视觉和语言导航任务的处理方法，通过两个模块 —— 后退决策和进度标记，取得较当前最优方法的 5％绝对改进和 8％路径长度的情况下成功率的提高。
PDF5 years ago
ECCV野外视觉语音识别零样本关键词检测
本论文针对实际应用中未被训练过的词语进行视觉关键词检测的问题，并使用端到端的多层神经网络架构，使用语音图形编码器解决了此问题，该模型在 LRS2 数据集上取得了非常有前途的结果。
PDF6 years ago
KDD基于结构化输出的时尚图像分类统一模型
本研究通过一种端到端的架构，将层次化注释的概念直接嵌入到模型中，以实现对时尚图像的视觉识别，并针对大约 350k 时尚产品图像的数据集进行了多级结构分类的性能优化和演示。
PDF6 years ago
RGB-D 物体识别的循环卷积融合
本文提出了一种称为循环卷积融合（RCFusion）的新型 RGB-D 物体识别端到端架构，能够通过组合互补的 RGB 和深度信息表示不同抽象层次的信息来生成紧凑且高度可区分的多模态特征，并在两个流行数据集上的实验中，优于现有的最先进方法。
PDF6 years ago
神经机器翻译模型学到了什么关于形态学？
本文研究神经机器翻译的表示，探讨其对源语言和目标语言的理解以及对单词结构学习的影响，发现了一些关键参数对表示的影响
PDF7 years ago