global information | BriefGPT

关键词global information

搜索结果 - 27

节点分类的全局 - 局部图神经网络
提出了一种名为 Global-Local-GNN (GLGNN) 的方法，通过利用全局和局部信息以及节点标签和特征的学习，提高了节点分类 GNNs 的性能，并显示了全局信息利用对节点分类的重要性。
PDF16 days ago
通过样本选择优化 3D 点云法线估计
通过引入全局信息和各种约束机制，我们设计了一个基础框架来增强现有模型，同时采用基于置信度的策略选择合理样本进行公平且鲁棒的网络训练，并利用现有的定向方法纠正估计的非定向法线，在定向和非定向任务中实现了最先进的性能。广泛的实验结果证明了我们的
PDFa month ago
SIGIR从多个排名候选项中解开指导性信息以用于多文档科学摘要
本文提出了一种新的多文档科学摘要方法，利用全局信息和摘要候选项来指导解码过程，在选择更高质量的候选项和处理全局信息方面取得了明显的性能改进。
PDF3 months ago
频率注意力知识蒸馏
使用频域中的注意机制，在图像分类中提出了一种增强的知识蒸馏模型，可以从复杂的教师模型中提取全局信息，并在各种教师和学生架构上实验证明本方法优于其他知识蒸馏方法。
PDF4 months ago
COLING探索多模态大型语言模型的全局和局部语义表示
研究发现，模型的中间层能够更好地编码全局语义信息，表征向量在视觉 - 语言蕴含任务中表现更好，而最顶层的模型可能过于关注局部信息，导致对全局信息编码能力减弱。
PDF4 months ago
本体包含关系预测的自匹配训练方法与注释嵌入模型
本文提出了一个自匹配训练方法，对本体嵌入模型进行训练，包括倒排索引矩阵嵌入（InME）和共现矩阵嵌入（CoME），以捕捉本体注释公理中的全局和局部信息。通过自匹配训练方法，在预测超类与子类相似且与本体中其他实体孤立的情况下，可以提高概念包含
PDF4 months ago
DE$^3$-BERT: 基于原型网络的 BERT 增强距离提前退出
基于全局信息与局部信息的混合策略，我们提出了一个新颖的基于距离增强的 BERT 模型早停策略 (DE^3-BERT)，通过利用全局信息来提高预测准确性，从而在模型性能和推理效率之间取得更好的平衡。
PDF5 months ago
ParaTransCNN：用于医学图像分割的并行化 TransCNN 编码器
将卷积神经网络和 Transformer 架构相结合，提出了一种先进的二维特征提取方法，利用平行编码器和通道注意模块实现更好的医学图像分割准确性。
PDF5 months ago
使用一阶消息传递进行超图节点表示学习
本研究提出了一种新颖的单阶段信息传递范式，用于超图中的全局和局部信息传播模型，在超图节点表示学习的 Transformer 框架 HGraphormer 中引入此范式，通过结合注意力矩阵和超图拉普拉斯矩阵将超图结构信息注入 Transfor
PDF7 months ago
分类整张切片图像：什么是重要的？
通过系统地研究 WSIs 分类算法的不同设计选择，我们发现全局上下文信息并非越多越好，而是以局部小区域的细节信息为主要特征，此外，相较于在更大的数据集上进行无监督预训练，我们发现在更小、更专注的数据集上进行预训练可以更好地区分输入补丁的微妙
PDF9 months ago
ICCV全局引导特征转化与关系蒸馏的深度图像和谐化
给定一个复合图像，图像协调旨在调整前景照明与背景一致。我们展示了使用全局信息指导前景特征转换可获得显着改善，并将前景 - 背景关系从真实图像转移到复合图像，为转换的编码器特征提供中间监督。此外，我们贡献了一个模拟自然照明变化的 ccHarm
PDFa year ago
KDD基于条件策略的个性化联邦学习中特征信息的分离
介绍了一种用于个性化联邦学习的 Federated Conditional Policy 方法，通过生成每个样本的条件策略将全局信息和个性化信息分离并分别处理，取得了比 11 种现有方法高 6.69% 的性能表现。
PDFa year ago
CVPRReasonNet：具有时态和全局推理的端到端驾驶
本文介绍了一种利用时间和全局信息的端到端驾驶框架 ——ReasonNet，其能够有效预测自动驾驶车辆在城市繁忙交通情景下的行驶逻辑，并排名领先于 CARLA 排行榜。
PDFa year ago
基于条件神经场的时空预测通用方法
自主系统的关键能力是自我意识，该论文提出一种融合神经网络和条件神经场的方法来预测时间序列，并有效地结合全局和局部信息来提高其准确性。
PDFa year ago
谱图神经网络调研
本文总结了谱图神经网络的最新发展，包括模型、理论和应用等方面的内容，其中介绍了谱性 GNN 能够捕捉全局信息，并具有更好的可表达性和可解释性。通过对现有谱性 GNN 的分析，本文梳理了主要理论结果和应用，最后进行了定量实验来评估几种常见的谱
PDFa year ago
基于蒸馏执行的个性化多智体强化学习训练
本文提出了一种新的多智能体强化学习范式 (PTDE) ，通过对全局信息进行个性化设置，将个体的全局信息提炼成本地信息，用于分权执行，实现更好的性能，其可与现有的算法结合使用，提高性能。
PDF2 years ago
SwinFIR：通过快速傅里叶卷积和改进的训练重新审视 SwinIR 并用于图像超分辨率
本文介绍了一种基于 Transformer 的方法，用于图像恢复，提出了一种名为 SwinFIR 的扩展方法，旨在提高捕捉全局信息的效率，同时改进了数据增强、预训练、特征集成等高级技术，使模型的性能得到显着提高，并在多个大型基准测试上取得了
PDF2 years ago
ICLRME-GCN: 多维边嵌入图卷积网络用于半监督文本分类
本文提出了一种名为 ME-GCN（多维边增强图卷积网络）的模型用于半监督文本分类，该模型能够利用图的丰富边缘信息，通过将边特征作为多流信号进行单独图卷积操作，达到对整个文本数据集较好的分类效果。
PDF2 years ago
ICCVGIAOTracker：基于全局信息与优化策略的 VisDrone 2021 MCMOT 综合框架
本研究提出了一个新的多目标追踪器 GIAOTracker，它通过三阶段的在线追踪、全局关联和后处理框架来解决无人机视频中小目标、相机运动和视角变化等挑战，达到了领先水平，并在 VisDrone2021 MOT 挑战中获得第三名。
PDF2 years ago
利用 Transformer 提升 Few-shot 语义分割
本文提出了一种基于 TRansformer 网络的 Few-shot 语义分割方法（TRFS），它采用全局增强模块（GEM）和局部增强模块（LEM）相结合的方法，可以在 PASCAL-5i 和 COCO 数据集上取得新的最优表现。
PDF3 years ago