image information | BriefGPT

关键词image information

搜索结果 - 9

EMNLPM2DF: 多粒度多课程去噪框架用于多模态基于方面的情感分析
多模态面向方面的情感分析 (MABSA) 是一个细粒度的情感分析任务，本文提出了一种多粒度多课程去噪框架 (M2DF)，通过调整训练数据的顺序实现去噪，实验证明该框架在 MABSA 的三个子任务上始终优于最先进的工作。
PDF8 months ago
运用多视角融合和双重迁移学习方法提升自动内窥镜结石识别
本研究提出了一种深度学习方法，旨在从不同视角获取的图像信息中提取和融合图像信息，以产生更可辨别的物体特征，用于识别内窥镜图像中看到的肾结石类型，通过深度特征融合策略，通过传输学习和注意力机制进一步改进模型，使得肾结石分类的精度提高了 6%
PDFa year ago
多模式图像香农博弈
通过在 Shannon 游戏中添加图像信息这一额外多模态信息，使用语言模型 GPT-2 及人类参与者来研究其在提高语言理解和建模方面的潜力，并发现在单词的某些词类中（如名词和限定词）使用额外多模态信息会得到更好的效果。
PDFa year ago
比较深度学习基于特征融合的肾结石识别策略
该研究提出一种深度学习方法，旨在从不同视角提取和融合图像信息，以产生更有区别的目标特征，其中深度融合策略提高了单视图提取骨干模型的肾结石分类精度达 10％以上。
PDF2 years ago
高效 VDVAE：少即是多
通过对 Very Deep VAE（变分自编码器）的改进，我们实现了比现有技术更快速、性能更好且更加稳定的 Hierarchical VAE，并发现仅使用其潜在空间空间的约 3% 即可编码大部分图像信息，为下游任务提供了高效利用的方式。
PDF2 years ago
ImVoteNet: 通过图像投票提升点云中的 3D 物体检测
本文提出了一种新的三维检测方法 ImVoteNet，通过将二维图像和三维点云进行融合来实现，验证结果表明，此方法在 SUN RGB-D 数据集上优于先前方法，主要应用于 RGB-D 场景。
PDF4 years ago
Hindi Visual Genome: 多模式英汉机器翻译数据集
本研究提出了 “印地语视觉基因组” 数据集，首次构建多模态的英印机器翻译的数据集并且免费提供，其中含有英语和图片的文本，适用于英印机器翻译和多模态的研究。
PDF5 years ago
图像标题生成器中的图像放置位置
本文研究了用于字幕生成的循环神经网络语言模型中，将图像信息直接融入 RNN 或在 RNN 之后融合图像信息的两种不同的结构。研究表明，采用哪种结构对性能并没有太大影响，但融合结构可以使 RNN 的隐藏状态向量缩小多达四倍。因此，多模态集成应
PDF7 years ago
具有图像和文本的潜在语义的神经机器翻译
研究使用潜变量从文本和图像提取语义信息来提高基于注意力机制的神经机器翻译效果，实验结果表明此方法在英德翻译任务中优于基线模型。
PDF8 years ago