end-to-end framework | BriefGPT

关键词end-to-end framework

搜索结果 - 63

朝着具有大型语言模型的侵入性脑信号解码的端到端框架
介绍了一种突破性的端到端（E2E）框架，用于解码侵入性脑信号，取得了语音神经假肢领域的重大进展。通过充分整合大型语言模型，实现与最先进的级联模型相当的结果，突出了 E2E 框架在语音神经假肢中的巨大潜力，尤其在脑机接口技术和相关数据集的发展
PDF15 days ago
面向决策的图神经网络在组合优化中的应用
我们的研究工作的重点是通过决策导向的图学习，在组合优化问题中采用神经网络框架，提出了一个更高效和精确的框架。此外，我们引入了一个决策导向的框架，利用图神经网络解决具有辅助支持的组合优化问题。实验结果表明，我们的方法在经典组合优化问题上优于独
PDFa month ago
MirrorGaussian：反射 3D 高斯函数用于重建镜面反射
借助 3D 高斯透射，利用镜像对称性，MirrorGaussian 提出了第一种基于 3D 高斯透射的实时渲染镜像场景重建方法，通过可微分光栅化策略优化 3D 高斯透射及其映射到镜像平面的过程，实现了高质量和实时渲染，对于带有镜子的场景达到
PDFa month ago
基于深度 PatchMatch 和配对排名学习的图像复制移动伪造检测
该研究提出了一种新颖的端到端图像复制移动伪造检测框架，它结合了传统和深度学习方法的优势，利用高分辨率尺度提取特征进行源和目标区域的明确可靠点对点匹配，并提出了一种新型的成对排序学习框架来分离源和目标区域，取得了显著的泛化能力和优于现有方法的
PDF2 months ago
FipTR：一种简单而有效的自动驾驶中未来实例预测的 Transformer 框架
本文提出了一种名为 FipTR 的简单而有效的全面端到端框架，它将任务视为 BEV 实例分割和未来帧预测，并采用表示特定交通参与者的实例查询来直接估计相应的未来占用掩码，从而摆脱了复杂的后处理过程。此外，我们设计了一种适用于未来 BEV 特
PDF2 months ago
多模态知识图谱的零样本关系学习
我们提出了一个新颖的端到端框架，包含三个组成部分：多模态学习器、结构整合器和关系嵌入生成器，以整合多样化的多模态信息和知识图结构，从而促进零样本关系学习。通过对两个多模态知识图的评估结果，证明了我们提出方法的卓越性能。
PDF3 months ago
HENet: 混合编码的多视角相机端到端多任务三维感知
本文提出了一种名为 HENet 的多任务三维感知的端到端框架，通过使用大图像编码器和小图像编码器以及基于注意机制的时间特征集成模块，融合不同框架提取的特征，并根据每个感知任务的特性利用不同网格大小的 BEV 特征、独立的 BEV 编码器和任
PDF3 months ago
LPSNet：无镜成像的端到端人体姿态和形状估计
通过无镜成像，提出了第一个端到端的框架，从无镜成像数据中恢复三维人体姿势和形状。
PDF3 months ago
PosSAM: 全景开放词汇片段检测
提出了一种开放词汇的全景分割模型，通过端到端框架有机地结合了 Segment Anything Model (SAM) 和视觉 - 语言 CLIP 模型的优势。通过使用局部判别汇聚模块（LDP），克服了 SAM 的局限性，并引入了面向掩膜的
PDF4 months ago
SGTR+：使用 Transformer 进行端到端场景图生成
通过使用双分图构建方法和终到终的框架，我们提出了一种新的场景图生成方法，有效地解决了组合属性所带来的挑战。实验证明，我们的方法在三个具有挑战性的基准测试中展现出了优秀的表现和高效率的推理能力，超过了现有方法的大部分，达到了最佳性能和时间复杂
PDF5 months ago
使用 Bark、mBART 和经过微调的 XLSR Wav2Vec2 进行端到端印地语到英语语音转换
该研究论文介绍了一种针对印度 - 英语翻译的端到端语音转换框架，通过集成最新的技术实现自动语音识别、神经机器翻译和文本转语音合成组件，提供了一种统一无缝的跨语言交流方法。
PDF6 months ago
从医学文本中提取医疗决策树的 Text2MDT
通过自动提取医疗文本中的医疗决策树，我们提出了一种新的任务 Text2MDT，探索构建临床决策支持系统的能力。使用两种方法进行 Text2MDT 任务的研究，一个是只依赖大型语言模型（LLM）指导的端到端框架，另一个是将 Text2MDT
PDF6 months ago
AAAI高置信度引导的不完全对比多视图聚类
提出了一种名为 ICMVC 的新型不完整对比多视图聚类方法，主要解决不完整多视图数据聚类中的缺失值问题，并通过多视图一致性关系转移、图卷积网络、实例级注意力融合、高置信度引导和对比学习实现了完整多视图表示和聚类分配的联合优化。实验证明了该方
PDF7 months ago
VideoAssembler: 利用扩散模型进行参考实体一致性视频生成
VideoAssembler 是一种新颖的端到端框架，用于保持一致的身份生成视频，并可直接进行推理，以适应新实体的要求。它能够在灵活处理输入参考实体的同时，对文本条件作出响应，还可以根据输入图像的数量进行任务执行，从图像到视频生成到复杂的视
PDF7 months ago
一个统一的公平谱聚类框架及有效图学习
我们提出了一种在组公平性约束下进行谱聚类的方法，通过从噪声数据中学习图构造方法和将传统的公平谱聚类的各个阶段整合到一个端到端的框架中，处理原始数据并输出离散的聚类标签。实验证明我们的模型优于现有的公平聚类方法。
PDF7 months ago
解决随机车辆路径问题的强化学习
本研究旨在解决在不确定条件下优化车辆路线的具有挑战性任务的随机车辆路径问题（SVRP）中，利用强化学习（RL）和机器学习（ML）技术的利用不足的问题。我们提出了一个全面解决 SVRP 中预测性关键源的全新端到端框架，采用简单而有效的架构和定
PDF8 months ago
复杂操作动作视频的多句描述
提出了一种混合统计和端到端框架来解决视频描述中细节级别、操作行为和层次结构的问题，并且定量结果表明这些方法产生的描述比其他竞争方法更真实。
PDF8 months ago
面向大场景的具有遮挡感知的时空 Transformer 的分组化
我们提出了一个用于大规模场景中群组检测的端到端框架 GroupTransformer，该框架能够处理大规模场景中多人频繁遮挡的问题，并能有效地利用时空信息。实验结果证明，与现有方法相比，我们的方法在大规模场景和小规模场景上均取得更好的性能。
PDF8 months ago
AutoAM: 自动通用论证挖掘的端到端神经模型
提出了一种名为 AutoAM 的新型神经模型，用于解决争论挖掘的困难问题。该模型引入了争论组件注意机制，能更好地执行争论挖掘，是一种通用的端到端框架，可以分析无约束的争论结构，并在一个模型中完成争论挖掘的三个子任务。实验结果表明，该模型在两
PDF9 months ago
GRASS: 语音语义理解统一生成模型
该论文通过引入统一的端到端（E2E）框架，对语音语义理解任务进行了指令微调技术的探索，该框架在语音数据上生成与任务相关提示条件下的语义标签。实验证明，我们提出的模型在微调下游任务后显著优于最先进的模型，并且在零样本和少样本情况下取得了有竞争
PDF10 months ago