- GraphKD: 探索结构化图形创建在文档目标检测中的知识蒸馏
提出了一种基于图的知识蒸馏框架,用于正确识别和定位文档图像中的文档对象,通过同时捕捉局部和全局信息,实现了小型、高效的模型,并在竞争性基准测试中表现优于现有方法。
- 情感增强的基于图的对话讽刺解释
我们提出了一种新颖的基于图的多模态情感增强讽刺解释框架,名为 EDGE,通过利用口语、视频和音频中的情感来提高讽刺解释性能,并在公开发布的 WITS 数据集上验证了模型的优越性。
- 推进基于流体的热管理系统设计:借助图神经网络进行图回归和高效枚举减少
我们开发了一个基于图形的框架来表示最佳热管理系统设计的各个方面,旨在快速高效地识别最佳设计方案。通过图形框架,我们生成多样的热管理系统体系结构,对这些系统体系结构在各种负载条件下建模,并利用开环最优控制器确定每个系统的最佳性能。利用图神经网 - 多领域对话状态跟踪的模式图引导提示
我们提出了一种基于图的框架,通过将对话模式编码为图神经网络来嵌入预训练语言模型,从而在特定领域上对模型进行了更好地自适应,实验证明该方法在多领域对话状态跟踪方面优于其他方法。
- 用于生物医学远程监督关系抽取的句子包图形建模
我们介绍了一种新颖的基于图的框架,用于缓解远程监督关系抽取中的关键挑战,并展示了其在生物医学数据领域的效果。特别地,我们提出了一种针对实体对引用的句子包的图视图,它可以通过信息传递的方式聚合与实体对相关的句子包中的信息。所提出的框架缓解了远 - ICCV基于图的异步事件处理用于快速对象识别
本研究介绍了一种基于图的事件相机新框架 SlideGCN,通过事件逐个处理并保持图的内部结构,从而高效处理事件数据并保持低延迟特性。在图构建方面,采用半径搜索算法来更好地利用事件云的部分规则结构。实验结果表明,相较于当前基于图的方法,我们的 - GNNFormer:用于细胞病理学报告生成的基于图形的框架
为了自动生成细胞病理报告并提高效率,本文提出了一种称为 GNNFormer 的图神经网络和 Transformer 结合的图形框架,它是第一个显式地模拟细胞结构信息的细胞病理报告生成方法,并在 NMI-WSI 数据集上优于其他最先进的基线。
- AAAI异构图学习在多模式医学数据分析中的应用
我们介绍一种名为 HetMed 的图形框架,可以将多模态医疗数据融合在一起,这通过构造一个多重网络来实现,该网络涵盖患者的多种非图像特征,以系统的方式捕捉患者之间的复杂关系,从而实现更准确的临床决策,并在各种实际数据集上证明了 HetMed - CVPR基于多粒度超图的视频人员再识别学习
本研究提出了一种新的基于图的框架,即多粒度超图(MGH),通过建模多个粒度的时空依赖性来追求更好的表征能力,从而解决视频中人员再识别任务中的关键问题,并且通过多种基准测试表现出了优异的性能。
- 使用图表示学处理缺失数据
本文提出了一种名为 GRAPE 的基于图的机器学习框架,它同时处理了特征插补和标签预测问题,通过使用图神经网络,在 9 种基准数据集上实现了比现有最先进方法更低的平均绝对误差(20%的特征插补任务,10%的标签预测任务)
- ECCVGraph-PCNN: 基于图像姿态修正的两阶段人体姿态估计
本研究提出了一种基于图形回归的人体姿态估计框架,其中包含定位子网和图形姿势细化模块,通过不同的视觉特征提取以及探讨关键点之间的关系,显著提高了精度。在 COCO 数据集上,该模型达到了 76.8%的平均精度,达到了当前最新水平。
- 关系推广少样本学习
本文提出一种基于图卷积的全局原型网络(GcGPN)的图形框架,该框架显式地模拟了联合标签空间中所有已看到和新类别之间的关系,以在全局一致的方式下将新类别嵌入到以前看到的所有类别的现有空间中,为广义小样本学习(GFSL)中的快速适应和全局区分 - ACL多句压缩与预算次模最大化的无监督抽象会议摘要
我们提出了一种新颖的基于图形的框架,用于摘要会议演讲,完全不需要监督和任何注释。我们的工作结合了多种最近的方法的优点,同时解决了它们的弱点。此外,我们利用最近在 NLP 中应用的字嵌入和图形退化的进展,考虑外部语义知识,并设计了自定义的多样