global semantics | BriefGPT

关键词global semantics

搜索结果 - 8

LongVLM：通过大型语言模型实现高效长视频理解
使用长视频理解任务中的 Large Language Models（LLMs）面临的挑战，本文提出了一种名为 LongVLM 的 VideoLLM 模型，通过分解长视频为短期片段，并使用分层令牌合并模块编码局部特征，维护顺序，整合全局语义信
PDF3 months ago
涂鸦掩盖类别：通过类别标签促进基于涂鸦的弱监督语义分割
用稀疏涂鸦监督的涂鸦增强方法进行基于弱监督语义分割，结合全局语义、类别信息和插值矫正，以及距离熵损失进行不确定性降低，实验证明该方法优于以往方法。
PDF4 months ago
用于长文本建模的循环注意力网络
本文提出了一种新型深度学习神经网络 RAN，采用自注意力机制和递归结构相结合的方法，实现了在长文本处理中的可重复性操作，对文本进行建模提取全局语义信息，并能兼容顺序和分类任务。实验结果表明，RAN 模型具有出色的编码能力，适用于长文本语义的
PDFa year ago
HD2Reg: 点云配准的层次结构描述符与检测器
本文提出了一种框架，该框架明确提取双层描述符和检测器，并与之进行粗糙到精细的匹配，以达到准确和鲁棒的点云配准。实验表明该方法的效果优于其他基于关键点的方法。
PDFa year ago
双视觉变压器
本文提出了名为 Dual Vision Transformer (Dual-ViT) 的新型 Transformer 结构，在保持准确度的前提下，通过综合运用语义路径和像素路径，将全局语义压缩成更高效的先验信息，进而实现了减少计算复杂度的目
PDF2 years ago
ICML自主学习图表示学习的全粒度自我语义传播
本文提出了一种名为 OEPG 的方法，可以用于图表示学习。该方法可以将全局的语义嵌入到本地图卷积中，实现本地图卷积与全局信息的相互适应，并可以通过预处理任务和动量更新来提高性能
PDF2 years ago
EMNLP为文本摘要增加和掌控全球语义
本研究介绍并应用了一种神经主题模型以及归一化流以捕捉文档的全局语义，并将其整合到摘要模型中，以解决 Transformer-based 模型在摘要生成中存在的短程依赖问题，同时在五个常用文本摘要数据集上表现优于现有方法。
PDF3 years ago
CAPT: 对比性预训练学习去噪序列表示
提出了 ContrAstive Pre-Training (CAPT) 来学习抗干扰的序列表示，这种方法通过无监督的实例训练信号来鼓励原始序列的表示和其被污染版本的表示之间的一致性，从而既缓解了先训练的噪声引起的误差，也提高了模型对输入全局
PDF4 years ago