modality-specific features | BriefGPT

关键词modality-specific features

搜索结果 - 8

ViDSOD-100: 一个新的 RGB-D 视频显著物体检测数据集和基线模型
通过收集新的注释 RGBD 视频 SOD（ViDSOD-100）数据集和提出了一种名为 ATF-Net 的新基线模型，本研究在 RGBD 视频显着目标检测方面取得了更好的性能。
PDF14 days ago
跨模态步态识别：连接 LiDAR 和相机模态进行人类识别
本研究主要关注于穿越不同传感器跨模态识别行人的步态识别研究，通过提出 CrossGait 方法，利用特征对齐策略进行跨模态数据检索，并通过 Prototypical Modality-shared Attention Module 和 Cr
PDF3 months ago
CVPR可见 - 红外人物再识别的隐性判别知识学习
可见光红外人物再识别是一项具有挑战性的跨模态行人检索任务，该研究提出了一种新颖的隐式判别知识学习网络 (IDKL)，通过提取模态特定和模态共享特征，减少模态风格差异并提升识别知识，实现了对隐含判别信息的利用，进一步强化模态共享特征的独特性，
PDF3 months ago
基于跨模态原型的严重缺失模态下的多模态联邦学习
本文提出了一种名为 “Multimodal Federated Cross Prototype Learning (MFCPL)” 的新方法，针对数据中存在严重缺失模态的多模态联邦学习（MFL）问题，通过使用完整的原型样本在共享模态级别和特
PDF5 months ago
利用模态特征进行多模态操作检测和链接
我们构建了一个简单而新颖的基于 Transformer 的多模态操纵检测和定位任务框架，通过引入视觉 / 语言预训练的编码器和双支路交叉注意力来同时探索模态特定的特征，并提出了解耦的细粒度分类器和自适应地聚合全局上下文线索的隐式操纵查询，从
PDF9 months ago
SCANet: 自我和交叉注意网络用于音视频语音分离
提出了一种名为自注意力网络（SCANet）的模型，通过利用注意机制实现有效的音频 - 视觉特征融合，其中包含了自注意力块（SA）和交叉注意力块（CA），能够从音频 - 视觉特征中提取不同的语义信息，并在三个标准音频 - 视觉分离基准上得到了
PDFa year ago
TAFNet：一种针对 RGB-T 人群计数的三流自适应融合网络
本文提出了一个名为 TAFNet 的三流自适应融合网络，使用配对的 RGB 和热像图进行人群计数，实验结果在 RGBT-CC 数据集上表现出超过 20％的改进。
PDF2 years ago
AAAI基于深度 CNN 的 RGB-D 场景识别：从零开始学习优于从 RGB-CNN 转移
本研究利用卷积神经网络和弱监督方法，提出了一种能够在有限深度图像条件下学习具有较强区分性的深度特征，从而实现了 RGB-D 场景识别的最新成果，达到了最好的表现。
PDF6 years ago