spatial-temporal attention mechanism | BriefGPT

关键词spatial-temporal attention mechanism

搜索结果 - 5

NAST：非自回归时空 Transformer 用于时间序列预测
本研究针对 Transformer 在时间序列预测中所面临的累积误差和时延问题以及在空间 - 时间依赖性问题上的挑战，提出了一种新型的非自回归 Transformer 架构并引入了新颖的空间 - 时间关注机制，以学习到一个时间影响图来填补空
PDF3 years ago
CVPR深度视觉里程计的选择性存储和姿态细化
本研究提出了一种视觉里程计框架，采用三个组件：内存、优化和特征集中。在几个基准数据集上进行的实验证明，相比于现有的学习方法，该方法在纹理不佳和突发运动等复杂环境下具有更优异的性能。
PDF5 years ago
CVPR端到端流量相关跟踪及时空注意力
本文利用连续帧中的丰富流信息，通过在网络中制定特殊层来提高特征表示和跟踪精度，提出了一种基于深度学习框架中的联合训练流和跟踪任务的方法，并且采用了新颖的空间 - 时间注意机制，对 OTB2013、OTB2015、VOT2015 和 VOT2
PDF7 years ago
ICCV基于卷积神经网络单目标跟踪器与时空注意力机制的在线多目标跟踪
本文提出了一种基于 CNN 的框架，用于在线多目标跟踪，并引入了空间 - 时间注意机制处理 Occlusion 问题，从而实现在 MOT15 和 MOT16 基准数据集上 34.3% 到 46.0% 的多目标跟踪性能。
PDF7 years ago
视频动作识别的分层注意力网络
本文提出 Hierarchical Attention Network（HAN）用于实现复杂的人类行为理解。该模型可以同时融合视频的静态空间信息，短期运动信息和长期视频时间结构，并利用多步骤空间时间关注机制来自动学习视频帧中的重要区域和时间
PDF8 years ago