semantic-awareness | BriefGPT

关键词semantic-awareness

搜索结果 - 7

超越模仿：使用大型语言模型进行基于上下文的推理生成人类移动行为
人类移动行为与交通拥堵和流行病控制等重要社会问题密切相关。然而，收集移动数据可能代价高昂且存在严重的隐私问题，迫切需要高质量的生成性移动模型。本文提出了一种基于常识推理的移动生成方法，设计了一种新颖的 MobiGeaR 框架，通过少样本上下
PDF5 months ago
连接自动化车辆中的混合特征融合协同语义占用预测
介绍一种用于协同 3D 语义占据预测的方法，通过混合特征融合和车辆之间共享的压缩正交注意力特征来改进本地 3D 语义占据的预测，结果表明我们的协同语义占据预测在精确度和路面环境中的语义感知方面都优于单车的结果，并在后续感知应用中超越了最先进
PDF5 months ago
语义化 SAM：以任意粒度分段和识别任何事物
通过引入 Semantic-SAM，我们提出了一种通用的图像分割模型，能够以任意所需的细粒度对任何物体进行分割和识别，具备语义感知和细粒度丰富性，实验证明我们的模型成功实现了语义感知和细粒度丰富性。
PDFa year ago
Sem@$K$: 我的知识图谱嵌入模型是否具备语义感知能力？
本文介绍了一种基于 Sem@$K$ 度量的知识图谱嵌入模型性能评估方法，探讨了使用基于排名的度量标准和语义感知度量标准来评估知识图谱嵌入模型的优缺点，并发现两种度量方式在预测能力和实际性能方面各有优劣。
PDFa year ago
利用词性标注和增强的语义感知提高自动关键词提取方法的性能
该论文提出了一种基于 PoS 标记的改进的语义意识通用方法来提高任何自动关键字提取方法的性能，包括诸如信息检索和自然语言处理等应用，实验证明该方法可显著改善现有五种最佳方法的表现。
PDF2 years ago
通过类适应归一化实现高效语义图像合成
本文从高回报的角度，对空间自适应规范化进行了深入分析，发现其调制参数更加受到语义感知而非空间自适应的影响。在此观察的启发下，本文提出了一种轻量级但同样有效的类自适应规范化变体，称为 CLADE，并介绍了一种计算自语义布局的类内位置图编码，以
PDF4 years ago
重新思考空间自适应归一化
通过 ROI 分析，我们发现在 SPA 上的优势主要来自于其对语义信息的敏感性，而不是其对适应性位置的适应性。因此，我们提出了一个轻量级变种 CLADE，它不适应空间位置或布局。 CLADE 极大地降低了计算成本，同时仍然能够在生成过程中
PDF4 years ago