关键词self-supervised transformers
搜索结果 - 4
- 无监督神经形态空中监视运动分割
通过在事件数据和光流信息上利用自监督变换器,我们提出的方法克服了事件驱动运动分割的限制,消除了人工注释的需求,并减少了参数调整问题,实现了在多个数据集上与现有方法相比的最新性能,适用于高动态航空平台上的高清事件摄像头在城市环境中处理各种类型 - 自监督变压器中的亲和关注预测人类物体分组动态
提出了一种基于自监督 Transformer 模型的人类目标注意力扩散和分割模型,其通过图像中不同区域之间的特征亲和信号实现目标内的注意力扩散。研究发现,基于该模型的亲和扩散能够显著提高自然图片中对象分组的准确性,为评估不同视觉表征学习模型 - 自监督的时空关注社交群体活动识别 (SoGAR)
本文提出了一种使用自我监督变压器网络的社交组活动识别(SoGAR)的新方法,可以有效利用未标记的视频数据,通过利用变化的帧率创建局部和全局视图来提取空时信息,并通过提取来自同一视频的对比视图的特征的自我监督目标,确保跨空时域中的特征是一致的 - DuETT: 用于电子健康记录的双事件时间变换器
本文介绍了一种 DuETT 架构,它是 Transformer 模型的一个扩展,为医疗电子病历中的时间序列数据提供了鲁棒的表示。通过对 DuETT 模型的自我监督的预测任务进行训练,该模型在 MIMIC-IV 和 PhysioNet-201