关键词spatial-temporal attention
搜索结果 - 6
- STAS: 多智能体强化学习的时空回报分解
提出了一种名为 Spatial-Temporal Attention with Shapley(STAS)的新方法,该方法可以在时间和空间维度上学习信用分配,在多智能体强化学习中实现有效的空间 - 时间信用分配,优于所有现有的基线。
- VPTR 视频预测的高效 Transformer
本文提出了一个基于局部时空分离的有效空间 - 时间注意机制的 Transformer 块,用于视频未来帧预测,并构建了一个全自回归视频未来帧预测 Transformer 框架,另外还提出了一个非自回归视频预测 Transformer 框架, - 视频修复的解耦空时变形器
提出了 Decoupled Spatial-Temporal Transformer (DSTT) 来改进视频修复效果。该方法通过分解学习空间 - 时间注意力来提高时间和空间精度,同时采用分层编码器,形成更好的空间 - 时间注意力机制。实验 - 通过时空注意力构建手势识别的动态图
提出一种动态基于图的空间 - 时间注意力方法 (DG-STA),用于手势识别,其关键思想是从手骨架中首先构造一个全连接图,然后通过在空间和时间领域中进行自我注意机制自动学习节点特征和边,进一步提出利用关节位置的空间 - 时间线索以保证在挑战 - AAAISTA: 大规模视频人员再识别的时空注意力
本文中,我们提出了一种新的空间 - 时间注意力(STA)方法,用于解决视频中的大规模人员重新识别任务,该方法通过在时空维度上充分利用那些具有区分性的目标人物部分来生成鲁棒的剪辑级特征表示,使用该方法可以很好地解决基于视频的人员重新识别的挑战 - 时空关注的两流协同学习用于视频分类
本论文提出了一种适用于视频分类的两流协作学习方法,采用空间 - 时间注意力模型实现了针对视频中静态和动态信息的协同学习,以提取出区分度更强的特征向量,实验结果表明,该方法在各项性能指标上均优于其他 10 多种最先进的方法。